●大数据技术基础理论知识：大数据的特征、分类、框架结构等。●Python编程基础知识：各种模块的讲解，并配以实操案例。●机器学习模式识别：机器学习的类型、机器学习的基础数学知识、树和随机森林算法、KNN算法、贝叶斯理论、支持向量机等模型和原理以及具体的Python代码实现。●深度学习基础知识及应用：深度学习的微积分基础、线性代数基础、案例详解、深度学习框架以及硬件基础、深度学习的驾驶意图应用等。●深度学习的交通流预测研究：交通流理论基础、交通流统计分布特性的基本理论知识、交通流数据预处理、深度学习的交通流预测等。
售 价：¥
纸质售价：¥66.40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
书名页
内容提要
前言
第1章 绪论
1.1 大数据概述
1.2 Python概述
1.3 交通运输大数据概述
第2章 Python基础知识
2.1 变量和简单数据类型
2.2 Python语法基础
2.3 数据可视化
2.4 数据的统计学特征
2.5 代数和符号运算问题
2.6 基本数学运算
2.7 不同类型的数字
2.8 Pandas和NumPy模块
第3章 大数据基础
3.1 大数据
3.2 Hadoop大数据平台
3.3 大数据与人工智能
3.4 探索性数据分析
3.5 相关分析和回归分析
3.6 降维数据分析
第4章 机器学习模式识别
4.1 人工智能、机器学习和深度学习关系
4.2 机器学习基础
4.3 机器学习中的参数及拟合问题
4.4 矩阵基本知识
4.5 树和随机森林算法
4.6 KNN算法
4.7 贝叶斯理论
4.8 支持向量机
4.9 神经网络
第5章 深度学习基础及应用
5.1 深度学习中的微积分基础
5.2 深度学习的线性代数基础
5.3 基于Python的神经网络案例算法详解
5.4 深度学习框架
5.5 深度学习的硬件基础
5.6 卷积神经网络算法详解
5.7 循环神经网络和长短期记忆网络
5.8 基于LSTM的驾驶意图识别
第6章 深度学习的交通流预测研究
6.1 交通流理论基础
6.2 交通流的统计分布特性
6.3 交通流数据预处理
6.4 交通信息获取技术
6.5 宏观交通流模型及微观交通流模型
6.6 基于深度学习的交通流预测
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
