●第1章房價預測與回歸問題1.1數據集1.2訓練集觀察1.3列變量觀察1.4相關矩陣1.5缺失數據1.6離群值1.7正態分布1.8同方差與異方差1.9線性回歸假設1.10參數估計1.11決定繫數1.12特征工程1.13數據集劃分與標準化1.14線性回歸模型1.15嶺回歸模型1.16Lasso回歸模型1.17ElasticNet回歸模型1.18XGBoost回歸模型1.19Voting回歸模型1.20Stacking回歸模型1.21模型比較小結習題第2章人體蛋白圖譜與卷積神經網絡2.1數據集2.2訓練集觀察2.3標簽向量化2.4均衡性檢查2.5構建新訓練集2.6卷積運算2.7邊緣擴充2.8卷積步長2.9三維卷積2.10定義卷積層2.11簡單卷積神經網絡2.12定義池化層2.13經典結構LeNet52.14卷積網絡結構剖析2.15為什麼使用卷積2.16數據集劃分2.17圖像的特征表示2.18蛋白圖像的特征矩陣2.19數據標準化2.20模型定義2.21模型訓練2.22模型評估2.23模型預測小結習題第3章細胞圖像與深度卷積3.1數據集3.2數據采集3.3數據集觀察3.4數據分布3.5篩選數據集3.6神經網絡3.7符號化表示3.8激勵函數3.9損失函數3.10梯度下降3.11正向傳播3.12反向傳播3.13偏差與方差3.14正則化3.15MiniBatch梯度下降3.16優化算法3.17參數與超參數3.18Softmax回歸3.19VGG16卷積網絡3.20ResNet卷積網絡3.211×1卷積3.22Inception卷積網絡3.23合成細胞彩色圖像3.24數據集劃分3.25制作HDF5數據集3.26遷移學習與特征提取3.27基於VGG16的遷移學習3.28訓練ResNet50模型3.29ResNet50模型預測小結習題第4章自動駕駛與YOLO算法4.1認識自動駕駛4.2數據集4.3數據集觀察4.4變量觀察4.5場景觀察4.6場景動畫4.7目標檢測4.8特征點檢測4.9滑動窗口實現目標檢測4.10卷積方法實現滑動窗口4.11初識YOLO算法4.12交並比4.13非極大值抑制4.14Anchor Boxes4.15YOLO技術演進4.16用OpenCV顯示圖像4.17用OpenCV播放視頻4.18用GoogLeNet對圖像分類4.19用GoogLeNet對視頻逐幀分類4.20YOLO v3預訓練模型4.21YOLO v3對圖像做目標檢測4.22YOLO v3對視頻做目標檢測4.23YOLO v3對駕駛場景做目標檢測小結習題第5章AlphaFold與蛋白質結構預測5.1什麼是AlphaFold5.2肽鍵、多肽與肽鏈5.3蛋白質的四級結構5.4數據集5.5篩選蛋白質序列5.6計算殘基之間的距離5.7二面角與拉氏構像圖5.8計算二面角Phi（Φ）和Psi（Ψ）5.9裁剪殘基序列的OneHot矩陣5.10裁剪評分矩陣和二面角標簽5.11定義二面角預測模型5.12二面角模型參數設定與訓練5.13二面角模型預測與評價5.14定義距離預測模型5.15構建殘基序列3D特征矩陣5.16構建3D評分矩陣5.17定義距離標簽的3D矩陣5.18距離模型參數設定與訓練5.19距離模型預測與評價小結習題第6章機器問答與BERT模型6.1Google開放域數據集6.2序列模型與RNN6.3詞向量6.4注意力機制6.5Transformer模型6.6BERT模型6.7數據集分析6.8F1分數6.9定義BERT模型和RoBERTa模型6.10訓練BERT微調模型6.11用BERT微調模型預測小結習題第7章蘋果樹病蟲害識別與模型集成7.1數據集7.2葉片觀察7.3RGB通道觀察7.4葉片圖像分類觀察7.5葉片類別分布統計7.6Canny邊緣檢測7.7數據增強7.8劃分數據集7.9DenseNet模型定義7.10DenseNet模型訓練7.11DenseNet模型預測與評估7.12EfficientNet模型定義7.13EfficientNet模型訓練7.14EfficientNet模型預測與評估7.15EfficientNet Noisy Student模型7.16EfficientDet模型7.17模型集成小結習題參考文獻

本書精選七個大數據與機器學習經典案例，全部采用國際有名機構發布的真實數據，研究領域涉及房產零售、生物信息、圖像處理、自動駕駛、蛋白質折疊、機器問答、植物病理等。案例從數據分析和預處理開始，到特征工程，再到機器學習建模，最後完成模型評估，繫統推演，絲毫畢現。對於歷史經典模型（LeNet5）、結構優美的模型（VGG16）、自身應用廣泛並對後來算法影響深遠的模型（ResNet、Inception）、性能卓著的後起之秀模型（YOLO v1～v4、DenseNet、EfficientNet、EfficientDet、BERT）等，予以重點關注。本書具備高階性、創新性與挑戰性三種創新特質，可作為大數據與人工智能專業教材、畢業設計指導教材、創新訓練指導教材、實訓實習指導教材，也可供相關專業研究生和工程技術人員學習參考。

董相志、張志旺、田生文、曲海平 著