●第1章 機器學習基礎
1.1 機器學習簡介
1.2 機器學習任務
1.2.1 機器學習問題
1.2.2 機器學習典型任務
1.3 機器學習應用場景
1.4 搭建機器學習開發環境
1.4.1 開發環境繫統要求
1.4.2 Windows 10繫統平臺下搭建開發環境
1.4.3 Linux繫統平臺下搭建開發環境
1.5 機器學習常用庫概述
1.5.1 庫簡介
1.5.2 庫安裝及集成
1.6 機器學習框架概述
1.7 機器學習開源平臺
本章小結
習題1
第2章 圖像處理基礎
2.1 圖像處理簡介
2.2 圖像基礎
2.2.1 圖像表示
2.2.2 圖像讀取
2.2.3 圖像存儲
2.2.4 視頻捕獲
2.2.5 視頻流保存
2.2.6 圖像繪制
2.3 圖像計算
2.4 顏色空間轉化及分割
2.5 圖像二值化及平滑
2.5.1 圖像二值化
2.5.2 圖像平滑
2.6 圖像變換和形態操作
2.6.1 圖像變換
2.6.2 圖像形態操作
2.7 圖像檢測
2.8 車牌識別案例
本章小結
習題2
第3章 特征選擇與降維
3.1 特征選擇簡介
3.2 特征選擇方法
3.2.1 過濾法
3.2.2 包裹法
3.2.3 嵌入法
3.3 降維技術
3.4 鳶尾花降維案例
本章小結
習題3
第4章 典型機器學習算法
4.1 回歸
4.1.1 回歸簡介
4.1.2 常用回歸算法
4.1.3 回歸評價標準
4.1.4 房屋價格回歸分析
4.2 聚類
4.2.1 聚類簡介
4.2.2 典型的聚類方法
4.2.3 聚類評價標準
4.2.4 用戶社區聚類分析
4.3 支持向量機
4.3.1 支持向量機簡介
4.3.2 線性支持向量機
4.3.3 核函數
4.3.4 手寫數字字體識別
4.4 機器學習基礎
4.4.1 機器學習簡介
4.4.2 常見的機器學習算法
4.4.3 主流應用框架
4.4.4 Theano應用
4.5 圖像數據處理／機器學習算法
4.5.1 常見的圖像處理算法
4.5.2 圖像處理庫
4.5.3 手寫數字圖像及字體識別
4.6 空氣質量預測案例
本章小結
習題4
第5章 深度學習與圖像識別
5.1 圖像識別概述
5.1.1 圖像識別簡介
5.1.2 深度學習與圖像識別
5.1.3 圖像識別中深度學習的應用
5.2 深度學習框架
5.2.1 TensorFlow
5.2.2 PyTorch
5.3 神經網絡
5.3.1 神經網絡簡介
5.3.2模型與感知器
5.3.3 神經網絡構建與訓練優化
5.3.4 基於全連接神經網絡的手寫數字識別案例
5.4 卷積神經網絡
5.4.1 卷積神經網絡簡介
5.4.2 經典卷積神經網絡結構
……
