Алгоритм искусственного интеллекта и настоящий боевой бой (Python+Pytorch) -Д Версия микрокласса
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Выбор редактора
Эта книга может рассматриваться как книга, ориентированная на проблему, которая очень подходит для читателей с определенной математической основой и Фондом Python3.Читатели могут изучить все алгоритмы, представленные в этой книге за короткое время.(1) На основании проблемы -Ориентация, объясните подробно в области основных теоретических точек знания и алгоритма.
(2) Фактический случай богат, охватывая 20 случаев знаний и 12 полных проектов.
(3) Код подробен, чтобы избежать отображения формы API и избежать дубликата кода.
(4) Язык лаконичен и прост для понимания, а общий алгоритм питона и искусственного интеллекта изучается от мелкого до глубокого.
(5) Каждый алгоритм является относительно независимым, и математические принципы относительно просты для понимания.
(6) Богатые вспомогательные ресурсы: видео -класс, исходный код, набор данных, учебное пособие, учебный план, программа установки
Оглавление
Глава 1  подготовка
1.1 
1.1.1  Введение
1.1.2  Установка
1.1.3 
1.1.4 
1.2  базовые знания
1.2.1 
1.2.2  Тип данных
1.2.3  Структура данных
1.2.4 
1.2.5  цикл
1.2.6  экземпляр
1.3 
1.3.1 
1.3.2 
1.4  Резюме этой главы
Глава 2 
2.1 NumPy
2.1.1 
2.1.2 операция массива
2.1.3 
2.1.4 
2.2 SymPy
2.3 SciPy
2.3.1 
2.3.2 
2.3.3 
2.4 pandas
2.4.1 Series
2.4.2 dataframe
2.4.3 
2.4.4 
2.5 Matplotlib
2.5.1 
2.5.2 
2.6  Резюме этой главы
Глава 3 
3.1  Данные
3.2 
3.2.1 
3.2.2 
3.2.3 
3.2.4 
3.2.5 
3.2.6 
3.2.7 
3.2.8  совместная разница
3.2.9  коэффициент корреляции
3.3  Преобразование данных
3.3.1 
3.3.2 
3.3.3 
3.3.4 
3.3.5 
3.4 
3.4.1 
3.4.2 
3.5 
3.5.1  Матрица
3.5.2 
3.5.3 
3.6 
3.7  Резюме этой главы
Глава 4 
4.1 
4.1.1 
4.1.2 
4.1.3  экземпляр
4.2  логическая регрессия
4.2.1 
4.2.2 
4.2.3  экземпляр
4.3  анализ основных компонентов
4.3.1 
4.3.2 
4.3.3  экземпляр
4.4 
4.4.1 
4.4.2 
4.4.3  экземпляр
4.5 
4.5.1 
4.5.2 
4.5.3  экземпляр
4.6 
4.6.1 
4.6.2  экземпляр
4.7 
4.7.1 Bagging
4.7.2 Boosting
4.7.3 Stacking
4.8 
4.8.1 
4.8.2 
4.8.3  экземпляр
4.9 
4.9.1 
4.9.2 
4.9.3  экземпляр
4.10 k 
4.10.1 
4.10.2 
4.10.3  экземпляр
4.11 
4.11.1 
4.11.2 
4.11.3 
4.11.4 
4.11.5  Резюме
4.12 SVD
4.12.1 
4.12.2  экземпляр
4.13  Резюме этой главы
Глава 5  глубокое обучение
5.1 PyTorch
5.1.1 
5.1.2 
5.1.3 
5.1.4 
5.2  базовые знания
5.2.1 
5.2.2  метод падения градиента
5.2.3 
5.2.4 
5.2.5 softmax
5.3 
5.3.1 
5.3.2 
5.4 
5.4.1 
5.4.2 
5.4.3 LeNet
5.4.4 AlexNet
5.4.5 ResNet
5.4.6 GoogLeNet
5.4.7 
5.5 
5.5.1 
5.5.2 
5.6 
5.6.1 
5.6.2 
5.7  Резюме этой главы
Рекомендации
Введение
Эта книга может рассматриваться как книга, ориентированная на проблему, которая очень подходит для читателей с определенным фондом данных и фондом Python.В основном это объясняет базовое содержание Python3; Представьте соответствующий содержание Pytorch и объяснить несколько классических алгоритмов нейронной сети в глубоком обучении и Pytorch для реализации классического алгоритма нейронной сети.
об авторе
Yu Siangyu, инженер -алгоритм, степень магистра в области науки в Нормальном университете Hangzhou, давно занимается анализом данных, машинного обучения и искусственного интеллекта Национальный естественный фонд.