同類熱銷排行榜

人工智慧數學原理與演算法(實驗指導書一流規劃教材)

作者：編者:吳楓//張燕詠|責編:項贇?
出版社：中國科大
ISBN：9787312065668

出版日期：2026/08/01
裝幀：平裝
頁數：209

人民幣：RMB 39 元售價：元

內容大鋼

    本書是中國科學技術大學面向本科生開設的通修課程「人工智慧數學原理與演算法」的配套實驗指導書，旨在幫助讀者將人工智慧理論知識轉化為實踐能力，通過動手實驗深化理解演算法原理，掌握人工智慧模型實現、訓練調優與應用落地的核心技能。
    全書實驗內容由基礎到綜合循序漸進編排：前3章為核心基礎實驗，圍繞邏輯回歸、梯度下降優化、神經網路反向傳播優化展開，與理論課程內容深度銜接；后8章為綜合應用實驗，涵蓋圖像分類、分子圖分類、遊戲決策、情感分析、語音識別、數字水印、AI for Math、AI for Science符號回歸提取等典型與前沿實踐任務。書末附Python基礎、Linux命令及集群docker使用說明，方便不同基礎讀者順利開展實驗。
    本書注重理論與實踐深度融合，覆蓋實驗全流程操作，兼顧經典演算法驗證與前沿應用探索。本書可作為高等院校本科生人工智慧通修課程實驗教材，也可供希望掌握人工智慧實操技能的讀者參考。

作者介紹

編者:吳楓//張燕詠|責編:項贇?

前言
第1章邏輯回歸演算法
  1.1 實驗目的
  1.2 實驗原理
  1.3 實驗工具
  1.4 數據集準備和說明
    1.4.1 數據介紹
    1.4.2 數據清洗
  1.5 實驗步驟
    1.5.1 環境搭建
    1.5.2 實驗實現
    1.5.3 測試驗證
  1.6 實驗要求與評分細則
第2章梯度下降優化演算法
  2.1 實驗目的
  2.2 實驗原理
  2.3 實驗工具
  2.4 實驗步驟
    2.4.1 環境搭建
    2.4.2 推導邏輯回歸梯度
    2.4.3 實驗實現
    2.4.4 測試驗證
  2.5 實驗要求與評分細則
第3章神經網路的反向傳播優化演算法
  3.1 實驗目的
  3.2 實驗原理
    3.2.1 整體介紹
    3.2.2 任務數據介紹
    3.2.3 前向傳播過程
    3.2.4 反向傳播過程
    3.2.5 梯度下降法更新網路參數
  3.3 實驗工具
  3.4 數據集準備和說明
  3.5 實驗步驟
    3.5.1 環境搭建
    3.5.2 實驗實現
    3.5.3 具體任務：補全神經網路中前向傳播和反向傳播部分的代碼
  3.6 實驗要求與評分細則
    3.6.1 實驗要求
    3.6.2 評分細則
  3.7 思考題
第4章基於CNN的圖像分類
  4.1 實驗目的
  4.2 實驗原理
    4.2.1 圖像分類任務
    4.2.2 圖像預處理
    4.2.3 用於圖像分類的CNN
    4.2.4 圖像分類評價指標
    4.2.5 神經網路超參數調整
  4.3 實驗工具

    4.3.1 Python深度學習庫
    4.3.2 Python圖像預處理庫
    4.3.3 Python科學計算庫
    4.3.4 可視化分析工具
    4.3.5 文件傳輸工具
    4.3.6 PBS系統使用
  4.4 數據集準備和說明
    4.4.1 MNIST手寫數字數據集
    4.4.2 CIFAR-10數據集
    4.4.3 MNIST與CIFAR-10對比
    4.4.4 其他常用圖像分類數據集
  4.5 實驗步驟
    4.5.1 使用Jupyter Notebook的補充說明
    4.5.2 手寫數字（簡單圖像）的分類
    4.5.3 基於CIFAR-10的圖像分類
    4.5.4 基於TensorFlow的CIFAR-10圖像分類
    4.5.5 流行的預訓練圖像分類器
  4.6 實驗要求與評分細則
    4.6.1 需要提交的內容
    4.6.2 評分細則
  4.7 思考題
第5章基於GNN的分子圖分類
  5.1 實驗目的
  5.2 實驗原理
    5.2.1 分子圖分類任務
    5.2.2 圖神經網路
    5.2.3 評價指標
    5.2.4 神經網路超參數調整
  5.3 實驗工具
    5.3.1 Python深度學習庫
    5.3.2 可視化分析工具
  5.4 數據集準備和說明
  5.5 實驗步驟
    5.5.1 數據集預處理
    5.5.2 分子圖的分類
  5.6 實驗要求與評分細則
    5.6.1 需要提交的內容
    5.6.2 評分細則
  5.7 思考題
第6章基於強化學習的遊戲決策
  6.1 實驗目的
  6.2 實驗原理
  6.3 實驗環境配置
    6.3.1 個人電腦配置
    6.3.2 機房電腦配置
  6.4 遊戲環境說明
    6.4.1 Acrobot
    6.4.2 CartPole
    6.4.3 MountainCar
  6.5 實驗步驟

    6.5.1 實現DQN網路
    6.5.2 網路訓練
    6.5.3 推理與結果可視化
  6.6 實驗要求與評分細則
    6.6.1 實驗要求
    6.6.2 評分細則
  6.7 思考題
  6.8 可能遇到的問題
第7章基於Transformer的情感分析
  7.1 實驗目的
  7.2 實驗原理
    7.2.1 文本分類任務
    7.2.2 情感分析任務
    7.2.3 文本預處理
    7.2.4 用於文本分類的Transformer模型
    7.2.5 情感分析評價指標
    7.2.6 神經網路超參數調整
  7.3 實驗工具
    7.3.1 Python深度學習庫
    7.3.2 Python的文本預處理庫
    7.3.3 Python科學計算庫
  7.4 數據集準備和說明
    7.4.1 IMDB數據集
    7.4.2 其他情感分析常用數據集
  7.5 實驗步驟
    7.5.1 實驗環境配置
    7.5.2 文本預處理
    7.5.3 Transformer模型構建與訓練、評估
    7.5.4 模型調優對比
  7.6 實驗要求與評分細則
    7.6.1 需要提交的內容
    7.6.2 評分細則
  7.7 思考題
第8章 AI for Math綜合引擎
  8.1 實驗目的
  8.2 實驗原理
    8.2.1 分類器
    8.2.2 計算引擎
    8.2.3 推理引擎
  8.3 實驗工具
  8.4 數據集準備和說明
  8.5 實驗步驟
    8.5.1 環境搭建
    8.5.2 實驗實現
    8.5.3 測試驗證
  8.6 實驗要求與評分細則
    8.6.1 提交內容
    8.6.2 評分標準
    8.6.3 具體細則與推薦流程
  8.7 思考題

  8.8 可能遇到的問題
第9章 AI for Science——自然規律和控制方程的符號回歸提取演算法
  9.1 實驗目的
  9.2 實驗背景
    9.2.1 AI for Science與符號回歸背景介紹
    9.2.2 研究問題背景
  9.3 實驗原理
    9.3.1 SISSO演算法簡介
    9.3.2 確定性獨立篩選
    9.3.3 線性回歸問題的解析求解
    9.3.4 線性回歸問題的神經網路求解
  9.4 實驗環境
    9.4.1 本地電腦上的環境配置指導
    9.4.2 在機房伺服器上的任務提交指導
  9.5 基礎代碼與數據集準備
    9.5.1 實驗提供材料說明
    9.5.2 演算法基礎框架與代碼介紹
  9.6 實驗內容
    9.6.1 搭建環境並熟悉演算法框架
    9.6.2 線性回歸問題的兩種求解方式
    9.6.3 重構特徵擴展模塊
    9.6.4 構建循環針對性探索符號空間
  9.7 實驗要求與評分細則
    9.7.1 需要提交的內容
    9.7.2 評分細則
  9.8 思考題
第10章基於循環神經網路的語音識別
  10.1 實驗目的
  10.2 實驗原理
    10.2.1 什麼是語音？
    10.2.2 音頻特徵提取
    10.2.3 循環神經網路
    10.2.4 命令詞識別
    10.2.5 端到端語音識別
  10.3 實驗工具
    10.3.1 Python深度學習庫
    10.3.2 Python語音處理庫
  10.4 數據集準備和說明
    10.4.1 SpeechCommands數據集
    10.4.2 THCHS-30數據集
  10.5 實驗步驟
    10.5.1 命令詞識別
    10.5.2 實驗要求
    10.5.3 集群使用
    10.5.4 命令詞識別進階
    10.5.5 端到端的語音識別
  10.6 實驗要求與評分細則
    10.6.1 需要提交的內容
    10.6.2 評分細則
  10.7 思考題

第11章基於編碼-解碼器架構的魯棒圖像數字水印演算法
  11.1 實驗目的
  11.2 實驗原理
    11.2.1 數字水印技術
    11.2.2 編碼-解碼器架構
    11.2.3 JPEG圖像壓縮演算法的全零梯度缺陷
    11.2.4 MBRS:小批量混合真實與模擬數據訓練
  11.3 實驗環境配置
    11.3.1 Anaconda的安裝
    11.3.2 源代碼下載與環境配置
  11.4 數據集準備和說明
    11.4.1 ImageNet數據集
    11.4.2 COCO數據集
    11.4.3 載入數據集
  11.5 實驗內容
    11.5.1 實驗一：源代碼驗證
    11.5.2 實驗二：裁剪攻擊與擴散塊測試
    11.5.3 實驗三：通道注意力的改進
  11.6 實驗要求與評分細則
    11.6.1 需要提交的內容
    11.6.2 評分細則
  11.7 思考題
附錄A Python基礎實驗
  A.1 Python實驗環境配置
    A.1.1 Anaconda的安裝與配置
    A.1.2 Visual Studio Code的配置
  A.2 Python內置數據類型及其運算
    A.2.1 計算等額本息還款金額
    A.2.2 計算三角形的內角
    A.2.3 list類型的運算
  A.3 分支和迭代
    A.3.1 考拉茲猜想
    A.3.2 字元串加密
    A.3.3 推導式轉換為for語句
    A.3.4 二分查找
  A.4 類與繼承
  A.5 Python基礎綜合實驗
附錄B Linux命令和集群docker使用
  B.1 Linux常見命令
    B.1.1 文件與目錄操作
    B.1.2 系統管理
    B.1.3 網路相關
    B.1.4 許可權管理
    B.1.5 軟體包管理
    B.1.6 其他實用命令
    B.1.7 常用符號
  B.2 docker、鏡像和集群介紹
    B.2.1 docker:容器化的基石
    B.2.2 鏡像:標準化的應用包
    B.2.3 集群:規模化管理的核心

    B.2.4 不同階段運用
  B.3 校內PBS集群簡要使用說明
    B.3.1 環境測試
    B.3.2 實際運行
  B.4 本科生SCOW算力平台使用簡要說明
    B.4.1 登錄平台與認識儀錶盤
    B.4.2 文件管理與實驗目錄準備
    B.4.3 登錄集群與準備運行環境
    B.4.4 提交作業訪問計算資源
    B.4.5 作業狀態查看、結果文件與模板
    B.4.6 VSCode和互動式應用
    B.4.7 常見問題與排查建議

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

人工智慧數學原理與演算法(實驗指導書一流規劃教材)