图解机器学习和深度学习入门

图书标准信息

• 作者 松田洋之 著；山口达辉
• 出版社 化学工业出版社
• 出版时间 2023-08
• 版次 1
• ISBN 9787122433398
• 定价 68.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 223页
• 字数 213千字

【内容简介】

本书作为人工智能专业的入门书，带领读者初步学习和实践机器学习、深度学习的算法、流程和核心技术，并介绍了系统开发及开发环境，通过图解的方式将难懂的专业术语和算法表现出来，让没有相关专业基础的读者能够轻松入门。同时，本书还介绍了一些比较常用的网站网络服务，让读者能够学以致用。本书适合人工智能领域入门读者，也适合对人工智能感兴趣的其他领域读者学习。

【作者简介】

无

【目录】

第1章  人工智能的基础知识 

01  人工智能是什么  002 

02  机器学习（ML）  006 

03  深度学习（DL）是什么  010 

04  人工智能和机器学习的普及之路  014 

第2章  机器学习的基础知识 

05  有教师学习的机制  020 

06  无教师学习的机制  024 

07  强化学习的机制  028 

08  统计和机器学习的区别  030 

09  机器学习和特征量  034 

10  擅长的领域和不擅长的领域  038 

11  应用机器学习的案例  042 

第3章  机器学习的过程和核心技术 

12  机器学习的基本工作流程  048 

13  数据的收集  052 

14  数据的整定  056 

15  模型的制作和训练  060 

16  批学习和在线学习  064 

17  利用测试数据对预测结果进行验证  066 

18  训练结果的评价标准  070 

19  超参数和模型的调节  076 

20  主动学习  080 

21  相关和因果  084 

22  反馈回路  088 

第4章  机器学习算法 

23  回归分析  092 

24  支持向量机  098 

25  决策树  102 

26  协同学习  106 

27  协作学习的应用  110 

28  逻辑回归  114 

29  贝叶斯模型  116 

30  时间序列分析和状态空间模型  120 

31  k近邻（k-NN）法和k平均（k-means）法  124 

32  降维和主成分分析  128 

33  优化和遗传算法  132 

第5章  深度学习的基础知识 

34  神经网络和其历史  138 

35  深度学习和图像识别  146 

36  深度学习和自然语言处理  150 

第6章  深度学习的流程和核心技术 

37  基于误差反向传播法的神经网络学习  156 

38  神经网络的优化  158 

39  坡度消失问题  162 

40  迁移学习  164 

第7章  深度学习算法 

41  卷积神经网络（CNN）  170 

42  递归型神经网络（RNN）  174 

43  强化学习和深度学习  180 

44  自动编码器  186 

45  GAN（生成对抗网络）  190 

46  物体检测  194 

第8章  系统开发和开发环境 

47  人工智能编程使用的主要语言  200 

48  机器学习的库和框架  204 

49  深度学习的框架  208 

50  GPU编程和快速化  214 

51  机器学习服务  216 

结束语  219 

参考文献  220