掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
人工智能超入門叢書--數(shù)據(jù)科學(xué):機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金
包郵 人工智能超入門叢書--數(shù)據(jù)科學(xué):機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金
作者：龔超、畢樹人、楊華 著
開本：
32開
頁數(shù)：
205
本類五星書更多>
-
>
全國計(jì)算機(jī)等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
人工智能超入門叢書--數(shù)據(jù)科學(xué):機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金 版權(quán)信息
- ISBN：9787122425164
- 條形碼：9787122425164 ; 978-7-122-42516-4
- 裝幀：一般純質(zhì)紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人工智能超入門叢書--數(shù)據(jù)科學(xué):機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金 本書特色
本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容定位于專業(yè)知識入門和普及層面，全面系統(tǒng)，通俗易懂，讓讀者真正了解和理解人工智能的相關(guān)技術(shù)方向，而不僅僅是編程技術(shù)。
人工智能超入門叢書--數(shù)據(jù)科學(xué):機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金 內(nèi)容簡介
“人工智能超入門叢書”致力于面向人工智能各技術(shù)方向零基礎(chǔ)的讀者，內(nèi)容涉及數(shù)據(jù)思維、數(shù)據(jù)科學(xué)、視覺感知、情感分析、搜索算法、強(qiáng)化學(xué)習(xí)、知識圖譜、專家系統(tǒng)等方向，體系完整、內(nèi)容簡潔、文字通俗，綜合介紹人工智能相關(guān)知識，并輔以程序代碼解決問題，使得零基礎(chǔ)的讀者快速入門。 本書是“人工智能超入門叢書”的一個(gè)分冊，以機(jī)器學(xué)習(xí)為主線，介紹如何利用機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)分析。全書內(nèi)容共分7章，主要包括機(jī)器學(xué)習(xí)基本概念、數(shù)據(jù)分析相關(guān)基礎(chǔ)知識、機(jī)器學(xué)習(xí)解決四類問題（回歸問題、分類問題、聚類問題、降維問題）的算法、神經(jīng)網(wǎng)絡(luò)相關(guān)知識，并在附錄中對Python編程基礎(chǔ)知識、數(shù)據(jù)相關(guān)數(shù)學(xué)知識以及Python實(shí)驗(yàn)室Jupyter Lab的使用進(jìn)行了介紹。 本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容全面系統(tǒng)，語言通俗易懂，配合典型程序操作練習(xí)，簡單易上手，能夠幫助讀者輕松認(rèn)識和理解人工智能核心技術(shù)。本書可以作為大學(xué)生以及想要走向人工智能工作崗位的技術(shù)人員的入門讀物，也可作為青少年人工智能相關(guān)技術(shù)方向的課程教材，同時(shí)也可作為技術(shù)普及讀物供對人工智能技術(shù)感興趣的讀者閱讀。
人工智能超入門叢書--數(shù)據(jù)科學(xué):機(jī)器學(xué)習(xí)如何數(shù)據(jù)掘金 目錄
第1章 機(jī)器“學(xué)習(xí)” 001
1.1 數(shù)據(jù)科學(xué)、人工智能與機(jī)器學(xué)習(xí) 002
1.1.1 數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí) 002
1.1.2 人工智能≠機(jī)器學(xué)習(xí)≠深度學(xué)習(xí) 005
1.2 機(jī)器學(xué)習(xí)概述 011
1.2.1 機(jī)器學(xué)習(xí)是什么 011
1.2.2 機(jī)器學(xué)習(xí)學(xué)什么 018
1.3 數(shù)據(jù)素養(yǎng) 021
1.3.1 何為數(shù)據(jù)素養(yǎng) 021
1.3.2 數(shù)據(jù)素養(yǎng)的維度劃分 023
第2章 數(shù)據(jù)基礎(chǔ) 025
2.1 先利其器 026
2.2 科學(xué)計(jì)算 029
2.2.1 向量與矩陣生成 029
2.2.2 向量與矩陣運(yùn)算 035
2.3 數(shù)據(jù)分析 040
2.3.1 Series與DataFrame 040
2.3.2 文件的導(dǎo)入與處理 044
2.4 數(shù)據(jù)可視 047
2.4.1 基本圖形 047
2.4.2 畫圖點(diǎn)睛 052
第3章 回歸問題 057
3.1 什么是回歸問題 058
3.1.1 回歸分析概述 058
3.1.2 *小二乘法 060
3.2 線性回歸 061
3.2.1 一元線性回歸 061
3.2.2 多元線性回歸 069
3.3 進(jìn)階：可視化 075
第4章 分類問題 078
4.1 什么是分類問題 079
4.2 近朱者赤近墨者黑的k近鄰 079
4.2.1 k近鄰算法基本原理 079
4.2.2 k近鄰算法實(shí)踐 085
4.3 通過熵解決分類的決策樹 087
4.3.1 決策樹與信息熵 087
4.3.2 決策樹案例與實(shí)踐 090
4.4 進(jìn)階：距離 098
第5章 聚類問題 100
5.1 什么是聚類 101
5.2 K均值聚類 103
5.2.1 K均值聚類原理 103
5.2.2 K均值聚類實(shí)踐 109
5.3 系統(tǒng)聚類 113
5.3.1 系統(tǒng)聚類原理 113
5.3.2 系統(tǒng)聚類實(shí)踐 118
5.4 進(jìn)階：再談距離 120
第6章 降維問題 122
6.1 什么是降維問題 123
6.2 主成分分析 124
6.2.1 主成分分析原理 124
6.2.2 主成分分析實(shí)踐 126
6.3 奇異值分解 131
6.3.1 奇異值分解原理 131
6.3.2 奇異值分解實(shí)踐 133
6.4 進(jìn)階：特征值與特征向量 136
第7章 神經(jīng)網(wǎng)絡(luò) 141
7.1 從神經(jīng)元到感知機(jī) 142
7.1.1 從生物神經(jīng)元到人工神經(jīng)元 142
7.1.2 從單層感知機(jī)到多層感知機(jī) 146
7.2 神經(jīng)網(wǎng)絡(luò)的運(yùn)行原理 150
7.2.1 結(jié)構(gòu)概述 150
7.2.2 前向傳播 151
7.2.3 反向傳播 155
7.3 神經(jīng)網(wǎng)絡(luò)的參數(shù)說明與實(shí)踐 156
7.3.1 參數(shù)與超參數(shù) 156
7.3.2 解決分類與回歸問題 158
7.4 進(jìn)階：反向傳播推導(dǎo) 163
附錄A Python基礎(chǔ) 166
A.1 運(yùn)算符 167
A.1.1 基本算術(shù)運(yùn)算符與數(shù)值型 167
A.1.2 關(guān)系運(yùn)算符、邏輯運(yùn)算符與布爾型 168
A.2 字符串與數(shù)據(jù)結(jié)構(gòu) 170
A.2.1 字符串 170
A.2.2 列表 171
A.2.3 元組 172
A.2.4 字典 173
A.3 控制結(jié)構(gòu) 174
A.3.1 if語句 174
A.3.2 while語句 175
A.3.3 for語句 176
A.3.4 多重循環(huán) 177
A.4 定義函數(shù) 178
附錄B 導(dǎo)數(shù)與代數(shù)基礎(chǔ) 179
B.1 導(dǎo)數(shù) 180
B.2 向量 183
B.3 矩陣 189
附錄C 騰訊扣叮Python實(shí)驗(yàn)室：Jupyter Lab使用說明 196
展開全部
書友推薦
- >
莉莉和章魚
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
小考拉的故事-套裝共3冊
- >
上帝之肋:男人的真實(shí)旅程
- >
煙與鏡
- >
我與地壇
- >
苦雨齋序跋文-周作人自編集
本類暢銷
