本書主要內(nèi)容包括機(jī)器學(xué)習(xí)緒論、Python基礎(chǔ)知識、模型評估及模型、機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)、MNIST識別及圖像分類。
第1章緒論
1.1AI的歷史起源
1.2什么是智能與AI
1.3人工智能的分類
1.4人工智能和大數(shù)據(jù)
第2章Python基礎(chǔ)知識
2.1 Python虛擬環(huán)境與庫安裝方法
2.2 Python流程控制語法
2.3列表、元組、字典與集合
2.4 Python 函數(shù)
2.5面向?qū)ο缶幊?
第3章模型評估及模型
3.1向量矩陣和數(shù)組
3.2索引、切片和迭代
3.3 Pandas數(shù)據(jù)整理
3.4 Pandas 的Series 數(shù)據(jù)結(jié)構(gòu)
3.5Pandas的DataFrame數(shù)據(jù)結(jié)構(gòu)
3.6數(shù)據(jù)加載、存儲與文件格式
3.7數(shù)據(jù)清洗和準(zhǔn)備
3.8圖像數(shù)據(jù)讀取與處理
3.9數(shù)據(jù)可視化基礎(chǔ)
3.10數(shù)據(jù)可視化折線圖、柱狀圖、散點(diǎn)圖
第4章機(jī)器學(xué)經(jīng)網(wǎng)絡(luò)
4.1模式識別、機(jī)器學(xué)別與聯(lián)系
4.2什么是機(jī)器學(xué)p>
4.3機(jī)器學(xué)業(yè)術(shù)語、開發(fā)流程與工具
4.4機(jī)器學(xué)補(bǔ)充
4.5多項式曲線擬合
4.6k-近鄰算法
4.7 K-Means(K-均值)、聚類算法
4.8利用PCA來簡化數(shù)據(jù)
4.9神經(jīng)網(wǎng)絡(luò)·
4.10 Torch 運(yùn)算
4.11Pytorch 搭建神經(jīng)網(wǎng)絡(luò)
4.12保存和加載模型
第5章MNIST 識別及圖像分類
5.1MNIST手寫數(shù)字識別
5.2 MNIST圖像分類
參考文獻(xiàn)