1）理实融通，逐步详解在数据准备、特征提取、特征表示、算法解析、深度神经网络、集成迁移强化、视觉与语音方面的技术，以及机器学习库、框架技术及应用和发步骤等内容。 2）实例丰富，帮助读者理解、掌握机器学习从初级技术到核心技术的应用发任务 3）配有电子课件、所有项目源代码及数据等资源
售 价：¥
纸质售价：¥73.50购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
第1章 机器学习基础
1.1 机器学习简介
1.2 机器学习任务
1.3 搭建机器学习开发环境
1.4 机器学习常用库概述
1.5 机器学习框架概述
1.6 机器学习开源平台
1.7 小结
习题
参考文献
第2章 特征选择与降维
2.1 特征选择简介
2.2 特征选择方法
2.3 降维技术
2.4 主成分分析
2.5 综合案例：基于feature_selector库的商业信贷特征选择
2.6 小结
习题
参考文献
第3章 典型学习算法
3.1 回归算法
3.2 聚类算法
3.3 分类算法
3.4 支持向量机
3.5 决策树
3.6 综合案例：基于随机森林回归的空气质量预测
3.7 小结
习题
参考文献
第4章 深度学习与神经网络
4.1 深度学习
4.2 神经网络
4.3 深度神经网络
4.4 卷积神经网络
4.5 循环神经网络
4.6 长短期记忆网络
4.7 综合案例
4.8 小结
习题
参考文献
第5章 集成学习与迁移学习
5.1 集成学习
5.2 迁移学习
5.3 综合案例：欺诈检测应用
5.4 小结
习题
参考文献
第6章 强化学习
6.1 强化学习简介
6.2 强化学习技术
6.3 综合案例：飞扬小鸟游戏
6.4 小结
习题
参考文献
第7章 计算机视觉技术
7.1 计算机视觉简介
7.2 计算机视觉基础
7.3 计算机视觉开发平台
7.4 典型算法
7.5 综合案例：基于深度神经网络的人脸表情识别
7.6 小结
习题
参考文献
第8章 语音识别
8.1 语音识别技术简介
8.2 常用工具及平台
8.3 语音数据特征处理
8.4 典型算法
8.5 在线语音识别
8.6 综合案例：基于端到端的中文语音识别
8.7 小结
习题
参考文献
第9章 AI云开发平台
9.1 AI云开发简介
9.2 云开发平台
9.3 综合案例
9.4 小结
习题
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
