| | | | 人工智能基礎與應用(人工智能技術繫列教材十三五江蘇省高等學校 | | 該商品所屬分類：圖書 -> 各出版社圖書 | | 【市場價】 | 320-464元 | | 【優惠價】 | 200-290元 | | 【作者】 | 者宋楚平陳正東責初美呈 | | 【出版社】 | 人民郵電出版社 | | 【ISBN】 | 9787115570369 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
出版社：人民郵電出版社 ISBN：9787115570369 商品編碼：10038475360125 包裝：平裝 開本：16開 出版時間：2021-09-01 頁數：203 代碼：49 作者：者_宋楚平陳正東責_初美呈
"| 商品基本信息，請以下列介紹為準 | | 商品名稱： | 人工智能基礎與應用(人工智能技術繫列教材十三五江蘇省高等學校教材) | | 作者： | 編者_//陳正東|責編_初美呈 | | 代碼： | 49.8 | | 出版社： | 人民郵電出版社 | | 出版日期： | 2021-09-01 | | ISBN： | 9787115570369 | | 印次： | 1 | | 版次： | 1 | | 裝幀： | | | 開本： | 16開 |
| 內容簡介 | 本書主要介紹了人工智能的基礎知識和實用技術。本書共8章括“人工智能：開啟智慧新時代”“Python：人工智能開發語言”“線性回歸：預測未來趨勢”“分門別類：幫你‘分而治之’”“物以類聚：發現新簇群”“個：主動滿足你的需求”“語音識別：讓機器對你言聽計從”“人臉識別：機器也認識你”。
本書以培養學生人工智能素養、人工智能思維和人工智能基本應用能力為設計理念，在內容的選取和安排上符合學生的學情特點，以問題為導向、以案例為載體、以任務為目標來構建教學內容，兼顧了人工智能的基礎性、通識性、典型性和實用性。
本書側重於介紹人工智能通識性知識和實用應用技能，可作為高職高專及中職院校人工智能公共基礎課程的教材，也可作為電子信息、計算機類相關專業人工智能課程的入門教材。此外，本書還可供廣大讀者作為人工智能學習與實踐的參考書使用。 |
| 目錄 | 第1章 人工智能：開啟智慧新時代
1.1 人工智能的緣起
1.1.1 什麼是人工智能
1.1.2 人工智能的發展歷程
1.1.3 人工智能的特征及典型應用
1.2 機器學習與深度學習
1.2.1 機器學含義
1.2.2 深度學崛起
1.2.3 神經網絡的魅力
1.3 案例——小試牛刀：識別圖像中的動物
1.3.1 提出問題
1.3.2 解決方案
1.3.3 預備知識
1.3.4 任務1——準備一個動物圖像
1.3.5 任務2——智能獲取動物信息
本章小結
課後習題
第2章 Python：人工智能開發語言
2.1 初識Python
2.1.1 Python簡介
2.1.2 Python的特點及應用領域
2.2 Python開發環境搭建
2.2.1 安裝Python
2.2.2 安裝Jupyter Notebook
2.2.3 淺嘗Python
2.3 Python編程基礎
2.3.1 變量
2.3.2 分支結構
2.3.3 循環結構
2.3.4 組合數據類型
2.4 NumPy基礎應用
2.4.1 一次方程
2.4.2 數組計算
2.4.3 向量化處理
2.5 Matplotlib基礎應用
2.5.1 繪制直方圖
2.5.2 繪制散點圖
2.6 案例1——二次方程
2.6.1 提出問題
2.6.2 解決方案
2.6.3 預備知識
2.6.4 任務1——從鍵盤輸入方程的繫數
2.6.5 任務2——調用roots函數求解方程
2.7 案例2——用折線圖解讀第二產業的GDP發展趨勢
2.7.1 提出問題
2.7.2 解決方案
2.7.3 預備知識
2.7.4 任務1——讀取GDP數據並觀察數據結構
2.7.5 任務2——繪制GDP數據的折線圖
本章小結
課後習題
第3章 線性回歸：預測未來趨勢
3.1 認識機器學習
3.1.1 機器如何學習
3.1.2 機器學習算法
3.2 認識線性回歸
3.2.1 線性回歸的數學表達式
3.2.2 線性回歸的幾個概念
3.2.3 梯度下降法
3.3 案例1——預測房屋價格
3.3.1 提出問題
3.3.2 解決方案
3.3.3 預備知識
3.3.4 任務1——可視化房屋數據
3.3.5 任務2——線性回歸模型的訓練
3.3.6 任務3——模型的測試及評估
3.4 案例2——預測投保人費用
3.4.1 提出問題
3.4.2 解決方案
3.4.3 預備知識
3.4.4 任務1——加載數據行數據預處理
3.4.5 任務2——訓練和測預測模型
3.4.6 任務3—一步改善模型性能
本章小結
課後習題
第4章 分門別類：幫你“分而治之”
4.1 分類器
4.1.1 什麼是分類器
4.1.2 分類器如何工作
4.2 幾種主要的分類器
4.2.1 決策樹
4.2.2 貝葉斯分類器
4.2.3 鄰分類器
4.2.4 支持向量機
4.2.5 神經網絡
4.3 案例1——手寫數字識別
4.3.1 提出問題
4.3.2 解決方案
4.3.3 預備知識
4.3.4 任務1——數字圖像信息轉存為TXT文件
4.3.5 任務2——批量生成樣本數據
4.3.6 任務3——構建KNN模型
4.3.7 任務4——訓練KNN模型
4.3.8 任務5——評估模型效果
4.3.9 拓展任務
4.4 案例2——輔助診斷乳腺癌
4.4.1 提出問題
4.4.2 解決方案
4.4.3 預備知識
4.4.4 任務1——準備訓練集和測試集
4.4.5 任務2——構建和訓練模型
4.4.6 任務3——評估模型診斷效果
4.4.7 拓展任務
本章小結
課後習題
第5章 物以類聚：發現新簇群
5.1 聚類分析
5.1.1 何為聚類分析
5.1.2 常見聚類方法
5.1.3 聚類性能度量
5.2 k均值聚類
5.2.1 k均值算法流程
5.2.2 k均值算法應用提示
5.3 案例1——探究鳶尾花品種
5.3.1 提出問題
5.3.2 解決方案
5.3.3 預備知識
5.3.4 任務1——確定鳶尾花的品種數k值
5.3.5 任務2——繪制鳶尾花聚類後的結果散點圖
5.4 案例2——電商客戶分類
5.4.1 提出問題
5.4.2 解決方案
5.4.3 預備知識
5.4.4 任務1——選擇的客戶群分數目k
5.4.5 任務2——計算3類客戶的RFM均值
5.4.6 任務3——為3類客戶提出營銷建議
本章小結
課後習題
第6章 個：主動滿足你的需求
6.1 認識個
6.1.1 個的思路
6.1.2算法分類
6.1.3效果評估
6.2 案例1你喜愛的電影
6.2.1 提出問題
6.2.2 解決方案
6.2.3 預備知識
6.2.4 任務1——合並電影基本信息和評分記錄
6.2.5 任務2——找到與某個用戶相似的n個用戶
6.2.6 任務3——給某個前m部電影
6.3 案例2你要一起購買的商品
6.3.1 提出問題
6.3.2 解決方案
6.3.3 預備知識
6.3.4 任務1——將CSV文件數據轉換為事務型數據
6.3.5 任務2——找出購物清單中頻繁被購買的商品
6.3.6 任務3——提取有用的銷售關聯規則
本章小結
課後習題
第7章 語音識別：讓機器對你言聽計從
7.1 語音識別
7.1.1 語音識別簡史
7.1.2 語音識別過程
7.2 深度神經網絡
7.2.1 深度神經網絡基礎
7.2.2 卷積神經網絡
7.3 案例1——利用CNN識別英文語音數字
7.3.1 提出問題
7.3.2 解決方案
7.3.3 預備知識
7.3.4 任務1——提取音頻文件的語音特征數據
7.3.5 任務2——構建語音數字識別神經網絡模型
7.3.6 任務3——利用訓練好的模型來識別語音
7.4 案例2——自制一個簡單的實時語音識別繫統
7.4.1 提出問題
7.4.2 解決方案
7.4.3 預備知識
7.4.4 任務1——準備音頻文件和標簽文件
7.4.5 任務2——利用EasyDL訓練實時語音識別模型
7.4.6 任務3——調用模行實時語音識別
本章小結
課後習題
第8章 人臉識別：機器也認識你
8.1 人臉識別基礎
8.1.1 人臉識別技術發展簡史
8.1.2 人臉識別繫統
8.1.3 人臉識別關鍵技術
8.2 認識OpenCV
8.2.1 OpenCV的框架結構
8.2.2 OpenCV中的人臉分類器
8.3 案例1——照片智能搜索
8.3.1 提出問題
8.3.2 解決方案
8.3.3 預備知識
8.3.4 任務1——訓練人臉識別模型
8.3.5 任務2——利用訓練好的模型來識別照片
8.4 案例2——口罩檢測賦能衛生防護
8.4.1 提出問題
8.4.2 解決方案
8.4.3 預備知識
8.4.4 任務1——加載人臉口罩檢測與識別預訓練模型
8.4.5 任務2——檢測中的人臉是否佩戴口罩
本章小結
課後習題
參考文獻
|
" | | |
| | | | |
|
