Обучающая машина, обучающий набор инструментов, искусственные обучающие умные профессиональные учебные пособия для экспериментов
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
- Информация о товаре
- Фотографии
Методы разработки машинного обучения, инструменты и приложения
Автор: [Китай] Пан Жисонс
Пресса: China Railway Press
Время публикации: май 2021 г.
Цена?
ISBN: 9787113278427
Эта книга вводит методы разработки машинного обучения, инструменты и знания, связанные с приложениями. 5 В основном представляет инструменты разработки машинного обучения, включая Python, Numpy, Pandas, Scikit-Learn, Tensorflow; , объемом кумулятивной нейронной сети и так далее.Эта книга подходит для специальностей искусственного интеллекта, компьютерных специальностей, интеллектуальных роботов, интеллектуальных фирменных специальностей и других интеллектуальных профессиональных курсов в колледжах и университетах.
Пан Чжисонг: Школа командования и контроля инженерии Университета армии, профессор, докторант.В 2011 году он работал в исследовательском институте BioDesign в Аризоне.Основными направлениями исследования являются приложения для распознавания режимов и сетевой безопасности машинного обучения и интеллектуальных технологий.Установлен Национальный фонд естественных наук Китая, Фонд Цзянсу, Министерство научно -технических наук о научных исследованиях, основной инновационный проект по подкреплению и сокращению военной комиссии и науки и техники, 863 проект военных. Рот, военный проект «Двенадцатый пять лет», «Тринадцатый пять -летний план». Они также были рецензентами многих внутренних и иностранных журналов и более 30 поиска SCI.В настоящее время он является исполнительным членом Комиссии по признанию модели и искусственного интеллекта провинции Цзянсу. 1 второй приз и 8 третий призы.
Глава 1 Основы Введение машинного обучения 1
1.1 Введение в машинное обучение 1
1.2 Роль машинного обучения 5
1.3 Классификация машинного обучения 10
1.4 Содержание машинного обучения 11
1.5 содержание глубокого обучения 19
1.6 Индикаторы оценки машинного обучения 24
Упражнение 1 ... 27
Глава 2 Метод разработки машинного обучения 28
2.1 Архитектура разработки машинного обучения 28
2.2. Разработка машинного обучения Шаг 30
Упражнение 2 ... 40
Глава 3 Python Basic и программное обеспечение для машинного обучения 41
3.1 Введение в Python 41
3.2 Основные типы данных и операции 42
3.3 Контейнер 45
3.4 ветвь и цикл 52
3.5 Функция и класс 54
3.6 Операция файла 58
3.7 Ошибка и ненормальная 63
3.8 Ссылка на библиотеку Python 67
3.9 Numpy Введение 69
3.10 Pandas Введение 76
3.11 Matplotlib Введение 84
Упражнение 3 92
Глава 4 Инструменты машинного обучения Scikit-Learn и другие связанные пакеты инструментов 93
4.1 Алгоритм линейной регрессии и применение 93
4.3 Алгоритм и применение машины поддержки векторного вектора
4.4 Простой байесовский алгоритм и применение 113
4.5 Алгоритм кластера и применение
4.6 Алгоритм и приложение нейронной сети 133
4.7 Apriori Association Learning