人工智能算法与实践（普通高等教育人工智能专业系列教材）--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

本书以人工智能技术为背景，介绍了人工智能领域内的相关算法，包括机器学习算法和深度学习算法，详细介绍了各个算法的概述，原理以及应用案例。全书分为四大部分：AI基础知识、监督式学习算法、无监督式学习算法、深度学习算法。全书共17章，第1章介绍人工智能的定义、关键技术、实际应用等相关背景；第2章介绍人工智能算法的实验环境，包括环境安装，可视化库，TensorFlow框架搭建；第3章介绍线性回归算法，包括算法概述、原理以及应用案例实现；第4章介绍逻辑回归算法，包括算法概述、原理以及应用案例实现；第5章介绍支持向量机算法，包括算法概述、原理以及应用案例实现；第6章介绍K近邻算法，包括算法概述、原理以及应用案例实现；第7章介绍决策树，包括算法概述、原理以及应用案例实现；第8章介绍朴素贝叶斯算法，包括算法概述、原理以及应用案例实现；第9章介绍集成学习算法，包括算法概述、原理以及应用案例实现；第10章介绍主成分分析算法，包括算法概述、原理以及应用案例实现；第11章介绍K-Means算法，包括算法概述、原理以及应用案例实现；第12章介绍EM算法，包括算法概述、原理以及应用案例实现；第13章介绍BP神经网络，包括算法概述、原理以及应用案例实现；第14章介绍循环神经网络，包括算法概述、原理以及应用案例实现；第15章介绍卷积神经网络，包括算法概述、原理以及应用案例实现；第16章介绍LSTM神经网络，包括算法概述、原理以及应用案例实现；第17章介绍生成对抗网络，包括算法概述、原理以及应用案例。本书适合作为高等院校人工智能专业及计算机相关专业学生的教材和参考书，也适合作为软件开发相关人员进行人工智能技术应用开发的重要参考资料。

第一部分基础知识
第1章人工智能与算法概述
1.1 人工智能
1.1.1 人工智能的概念
1.1.2 人工智能的发展
1.1.3 人工智能的应用
1.2 AI算法简介
1.2.1 算法定义
1.2.2 AI算法定义
1.2.3 AI算法分类
1.3 人工智能与算法的关系
1.4 算法在人工智能中的应用
1.5 本章习题
第2章 AI算法实验环境简介
2.1 Python环境安装与配置
2.2 Python可视化库
2.2.1 可视化库简介
2.2.2 matplotlib的基本元素和常用方法
2.2.3 matplotlib绘图
2.3 深度学习算法实验环境简介
2.4 TensorFlow框架搭建
2.5 本章习题
第二部分监督式学习算法
第3章线性回归算法
3.1 算法概述
3.2 算法原理
3.2.1 线性回归模型
3.2.2 一元线性回归算法
3.2.3 多元线性回归算法
3.2.4 梯度下降求解线性回归模型
3.3 算法案例：波士顿房价预测
3.4 算法总结
3.5 本章习题
第4章逻辑回归算法
4.1 算法概述
4.1.1 什么是逻辑回归
4.1.2 逻辑回归对比线性回归
4.1.3 算法引入
4.2 算法原理
4.2.1 算法流程
4.2.2 假设函数
4.2.3 代价函数
4.2.4 梯度下降法
4.2.5 决策边界
4.3 算法案例：判断是否为恶性肿瘤
4.4 算法总结
4.5 本章习题
第5章支持向量机
5.1 算法概述
5.2 算法原理
5.2.1 线性可分支持向量机介绍
5.2.2 拉格朗日乘子法
5.2.3 对偶问题和KKT条件
5.2.4 SMO算法原理
5.2.5 非线性支持向量机
5.2.6 线性支持向量机
5.3 算法案例：手写体数字识别
5.4 算法总结
5.5 本章习题
第6章 K近邻算法
6.1 算法概述
6.2 算法原理
6.2.1 算法计算步骤
6.2.2 K值的选取
6.2.3 确定距离函数
6.3 算法案例：约会网站配对与预测签到位置
6.3.1 约会网站配对案例
6.3.2 预测签到位置案例
6.4 算法总结
6.5 本章习题
第7章决策树
7.1 算法概述
7.1.1 什么是决策树
7.1.2 如何生成一棵决策树
7.1.3 决策过程
7.2 算法原理
7.2.1 信息增益
7.2.2 信息增益比
7.2.3 基尼（Gini）指数
7.2.4 决策树的生成
7.2.5 决策树的剪枝
7.3 算法案例：借贷人状态评估
7.3.1 利用信息增益选择最优划分属性
7.3.2 递归构建决策树
7.4 算法总结
7.5 本章习题
第8章朴素贝叶斯算法
8.1 算法概述
8.1.1 算法简介
8.1.2 理论基础
8.2 算法原理
8.2.1 算法流程
8.2.2 实例分析
8.3 算法案例：朴素贝叶斯实现舆情判别
8.3.1 朴素贝叶斯分类器
8.3.2 核心代码及分析
8.4 算法总结
8.4.1 优点
8.4.2 缺点
8.5 本章习题
第9章集成学习算法
9.1 算法概述
9.2 算法原理
9.2.1 AdaBoost算法
9.2.2 Bagging算法
9.2.3 随机森林算法
9.3 算法案例：垃圾邮件分类应用
9.4 算法总结
9.5 本章习题
第三部分无监督式学习算法
第10章主成分分析算法
10.1 算法概述
10.2 算法原理
10.3 算法案例：数据降维应用
10.4 算法总结
10.5 本章习题
第11章 K-Means算法
11.1 算法概述
11.2 算法原理
11.2.1 算法流程
11.2.2 算法描述
l1.2.3 核心代码
11.3 算法案例：鸢尾花聚类分析
11.3.1 鸢尾花卉数据集
11.3.2 聚类结果可视化
11.4 算法总结
11.5 本章习题
第12章 EM算法
12.1 算法概述
12.1.1 最大似然法
12.1.2 含有隐变量的参数估计问题
12.1.3 EM算法的引入
12.2 算法原理
12.2.1 EM-GMM推导
12.2.2 EM算法求解一维高斯混合模型参数
12.3 算法案例：求解男性身高和女性身高的分布参数
12.4 算法总结
12.5 本章习题
第四部分深度学习算法
第13章 BP神经网络
13.1 算法概述
13.1.1 人工神经网络
13.1.2 BP神经网络
13.2 算法原理
13.2.1 正向传播
13.2.2 反向传播
13.2.3 Sigmoid函数
13.2.4 BP神经网络具体步骤
13.2.5 三层BP神经网络算法实现
13.3 算法案例：天气温度预测
13.3.1 项目描述
13.3.2 代码实现
13.4 算法总结
13.5 本章习题
第14章循环神经网络
14.1 算

人工智能算法与实践（普通高等教育人工智能专业系列教材）

库存： {{selectedSku?.stock}} 库存充足