三民網路書店 / 搜尋結果

全書共 10 章，第 1 章介紹了機器學習算法的基本概念、分類及本書開發環境的搭建。第 2 章介紹了機器學習算法中經常用到的 NumPy 相關知識及繪圖工具包 Matplotlib。從第 3 章開始介紹機器學習算法，第 3 章介紹了最簡單也是最常用的線性回歸算法。第 4 章介紹了搜索算法，包括梯度下降算法、隨機梯度下降算法、小批量梯度下降算法、牛頓迭代算法及坐標下降算法。第 5 章介紹了二分類的 Logistic回歸算法和多元回歸算法 SoftMax，以及評價分類結果優劣的各種指標。第 6 章介紹了支持向量機算法及支持向量機的核函數方法。第 7 章介紹了樸素貝葉斯算法。第 8 章介紹了決策樹優化算法及由多棵決策樹構成的隨機森林算法等集成學習算法。第 9 章介紹了聚類算法，包括 K 均值算法、合併聚類算法、DBSCAN 算法等。第 10 章介紹了降維算法，主要包括主成分分析法和主成分分析的核方法。每章都包含大量的實戰案例，既有自行實現的算法，也有直接調用 Sklearn 工具庫實現的算法。本書配備思考與練習，全書所有的示例程序都提供完整的源代碼，讀者可登錄華信教育資源網或GitHub 網站免費下載。本書適合作為人工智能、大數據等專業的學生教材，對於人工智能相關培訓機構、人工智能愛好者，也有一定的參考價值。

本書共 16 章，所有內容均為掌握計算機視覺應用開發技術所需的基礎圖像處理知識。第 1 章為計算機視覺開發的環境介紹；第 2～8 章為圖像處理基礎知識，包括圖像處理基礎、圖像運算、色彩空間轉換、圖像幾何變換、圖像濾波、圖像梯度和圖像的直方圖處理；第 9～16 章為計算機視覺應用開發的相關內容，其中融合了計算機視覺應用“1+X”職業技能等級證書相關知識點，主要包括繪製圖形、圖像金字塔、圖像特徵檢測算法、人臉檢測與人臉識別、目標檢測與識別、網絡圖像採集、圖像數據標注、視頻處理。本書可作為高職院校人工智能相關專業“計算機視覺應用開發”課程的教材，也可作為計算機培訓機構計算機視覺應用開發相關課程的培訓資料；對於廣大計算機視覺開發愛好者，本書是很好的入門級學習用書。

本教材從編程的角度“解剖”了深度學習的底層技術，通過介紹使用Python庫實現經典的深度學習框架的過程，逐步向讀者呈現深度學習的本質；用典型示例深入剖析深度學習在計算機視覺和自然語言處理方面的應用，同時介紹這些示例的TensorFlow實現，並在配套代碼中給出相應的飛槳實現，以便讀者深刻理解深度學習框架的技術細節；通過目標檢測、中文文本分類、超越文本分類和視頻動作識別等，為讀者呈現最前沿的深度學習技術。本教材可作為高職院校人工智能相關專業學生的教材，也可作為相關培訓機構的培訓資料。對於廣大的Python深度學習愛好者來說，本教材也是很好的參考用書。