机器学习与深度学习 基于python实现

2025-8-30 128 8/30

机器学习与深度学习  基于python实现

作者:小高之宏

页数:166

出版社:中国水利水电出版社

出版日期:2023

ISBN:9787522616025

高清校对版pdf(带目录)

前往页尾底部查看PDF电子书

内容简介

本书用 Python 对人工智能机器学习中的相关知识进行了算法实现,并以这些知识为背景解释了什么是深度学习。具体内容包括初识机器学习、机器学习基础、强化学习、群智能与优化方法、神经网络和深度学习。因为没有使用 TensorFlow、PyTorch 等程序库,仅使用Python 直接实现机器学习与深度学习的相关算法,可以让读者更好地理解和掌握机器学习与深度学习的工作原理和技术本质。
本书是一本使用 Python 进行机器学习和深度学习的人工智能教材,语言通俗易懂,代码示例丰富,非常适合大中专院校计算机、人工智能相关专业学生以及所有对机器学习·深度学习技术感兴趣的程序员参考学习。

作者简介

[日]小高知宏
1983年早稻田大学理工学院毕业
1990年完成早稻田大学理工科研究生院的后期课程、获得工学博士学位
同年在九州大学医学部附属病院担任助理
1993年在福井大学工学部信息科学系任副教授
1999年在福井大学工学部智能系统工程系任副教授
2004年至今在福井大学大学院工学研究科任教授曾出版了计算机系统、计算机网络、人工智能·机器学习·深度学习、计算机科学、自然语言处理、强化学习等20多本计算机相关的技术类图书,在日本均有不错的销量。

本书特色

读者对象:有一定Python基础,想学习人工智能、机器学习、深度学习的所有人员。
·用Python直接实现机器学习和深度学习相关算法,可以让读者更好地理解机器学习和深度学习算法的本质,更好地理解其中的原理。
·用程序范例呈现机器学习和深度学习程序处理的核心框架,对机器学习和深度学习的相关技术进行具体、深入的说明。

目录

第1章机器学习是什么1.1什么是机器学习1.1.1深度学成果1.1.2学习与机器学习、深度学习1.1.3机器学分类1.1.4机器学习走向深度学历史1.2本书例题关于方块的执行环境1.2.1程序执行前的流程1.2.2程序执行的实际情况第2章机器学基础2.1归纳学习2.1.1 演绎学习与归纳学习2.1.2归纳学习例题一股价的预测2.1.3基于归纳学股价预测程序2.2 强化学习2.2.1什么是强化学习2.2.2 强化学具体方法2.2.3设定强化学例题走出迷宫学习知识2.2.4通过强化学程序实现第3章群体智能与进化方法3.1群智能3.1.1粒子群优化法3.1.2蚂蚁群体优化法3.1.3蚂蚁群体优化法的实际3.2进化方法3.2.1进化方法是3.2.2遗传算法获得的知识第4章神经网4.1神经网络的基础4.1.1人工神经元的模型4.1.2神经网路和学习4.1.3神经网路的种类4.1.4人工神经元的计算方法4.1.5神经网路的计算方法4.2基于反向传播的神经网络的学习4.2.1感知器的学习过程4.2.2反向传播的处理过程4.2.3反向传播的实际情况第5章深度学习5.1深度学习5.1.1现有的网路学局限和深层的想法5.1.2卷积神经网路5.1.3自我编码器使用学习方法5.2深度学实际5.2.1卷积运算的实现5.2.2卷积神经网路的实现5.2.3自编码器的实现
PDF更新中
- THE END -

非特殊说明,本博所有文章均为博主原创。