登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　運費計算　 |　聯絡我們　 |　幫助中心　|　 加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書

『簡體書』人工智能技术入门

書城自編碼： 3576407
分類：簡體書→大陸圖書→計算機/網絡→人工智能
作者： 杨正洪
國際書號(ISBN)： 9787302566434
出版社： 清华大学出版社
出版日期： 2021-01-01

頁數/字數： /
書度/開本： 16开 釘裝： 平装

售價：HK$ 111.3

我要買 件

 

** 我創建的書架 **
未登入.

新書推薦：
逝去的武林（十周年纪念版 武学宗师 口述亲历 李仲轩亲历一九三零年代武人言行录）
《 逝去的武林（十周年纪念版 武学宗师 口述亲历 李仲轩亲历一九三零年代武人言行录） 》
售價：HK$ 56.4
唐代冠服图志（百余幅手绘插画 图解唐代各类冠服 涵盖帝后 群臣 女官 士庶 军卫等 展现唐代社会风貌）
《 唐代冠服图志（百余幅手绘插画 图解唐代各类冠服 涵盖帝后 群臣 女官 士庶 军卫等 展现唐代社会风貌） 》
售價：HK$ 87.4
知宋·宋代之科举
《 知宋·宋代之科举 》
售價：HK$ 102.4
那本书是（吉竹伸介与又吉直树 天才联动！）
《 那本书是（吉竹伸介与又吉直树 天才联动！） 》
售價：HK$ 102.4
传播的跃迁：人工智能如何革新人类的交流
《 传播的跃迁：人工智能如何革新人类的交流 》
售價：HK$ 113.9
纯粹·古代中国的历史与制度
《 纯粹·古代中国的历史与制度 》
售價：HK$ 64.4
生活来来往往 别等来日方长 新版（伍佰：“讲好了这一辈子，再度重相逢。”别等，别遗憾！珍惜当下才是最好的解药）
《 生活来来往往 别等来日方长 新版（伍佰：“讲好了这一辈子，再度重相逢。”别等，别遗憾！珍惜当下才是最好的解药） 》
售價：HK$ 59.8
一个英国军事顾问眼中的二战
《 一个英国军事顾问眼中的二战 》
售價：HK$ 285.2

 
編輯推薦：
本书阐述人工智能火热的成因、发展历程、产业链、技术和应用场景，详解人工智能的几个核心技术（机器学习、特征工程、模型、算法、深度学习）和两个*流行的开源平台（sklearn和TensorFlow）。通过本书的学习，读者能掌握人工智能技术体系、重点技术和平台工具，为人工智能技术应用到实际工作场景中打下基础。
內容簡介：
本书全面讲述人工智能涉及的技术，学完本书后，读者将对人工智能技术有全面的理解，并能掌握AI整体知识架构。 本书共分11章，内容包括人工智能概述、AI产业、数据、机器学习概述、模型、机器学习算法、深度学习、TensorFlow、神经网络、知识图谱、数据挖掘，以及银行业、医疗行业、公共安全、制造业等行业人工智能应用情况。附录给出了极有参考价值的人工智能术语列表。 本书适合人工智能技术初学者、人工智能行业准从业人员、AI投资领域的技术专家，也适合作为高等院校和培训学校人工智能相关专业师生的教学参考书。
關於作者：
杨正洪，毕业于美国State University of New York at Stony Brook，在美国硅谷从事AI和大数据相关研发工作十余年，华中科技大学和中国地质大学客座教授，湖北省2013年海外引进人才，并拥有多项国家专利。杨正洪参与了大数据和人工智能的国家标准的制定，在2016年参与了公安部主导的信息安全技术：大数据平台安全管理产品安全技术要求的国家标准制定。杨正洪是中关村海外智库专家顾问和住建部中规院专家顾问，曾担任在美上市公司CTO、北京某国企CIO和上海某国企高级副总裁等职。多年从事人工智能与大数据技术的实践，出版了《智慧城市》《大数据技术入门》等多本畅销书。
目錄：
第1章 人工智能概述 1
1.1 AI是什么 2
1.1.1 火热的AI 2
1.1.2 AI的驱动因素 3
1.2 AI技术的成熟度 4
1.2.1 视觉识别 4
1.2.2 自然语言理解 5
1.2.3 机器人 7
1.2.4 自动驾驶 7
1.2.5 机器学习 8
1.2.6 游戏 9
1.3 AI与大数据的关系 10
1.4 AI与云计算的关系 13
1.5 AI技术路线 14
第2章AI产业 16
2.1 基础层 17
2.1.1 芯片产业 18
2.1.2 GPU 20
2.1.3 FPGA 20
2.1.4 ASIC 21
2.1.5 TPU 21
2.1.6 亚马逊的芯片 22
2.1.7 芯片产业小结 23
2.1.8 传感器 24
2.1.9 传感器小结 26
2.2 技术层 27
2.2.1 机器学习 28
2.2.2 语音识别与自然语言处理 29
2.2.3 计算机视觉 32
2.3 应用层 34
2.3.1 安防 34
2.3.2 金融 35
2.3.3 制造业 37
2.3.4 智能家居 37
2.3.5 医疗 38
2.3.6 自动驾驶 40
2.4 AI产业发展趋势分析 44
第3章 机器学习概述 47
3.1 走进机器学习 47
3.1.1 什么是机器学习 47
3.1.2 机器学习的感性认识 48
3.1.3 机器学习的本质 48
3.1.4 对机器学习的全面认识 50
3.1.5 机器学习、深度学习与人工智能 50
3.1.6 机器学习、数据挖掘与数据分析 51
3.2 机器学习的基本概念 53
3.2.1 数据集、特征和标签 53
3.2.2 监督式学习和非监督式学习 54
3.2.3 强化学习和迁移学习 54
3.2.4 特征数据类型 56
3.2.5 训练集、验证集和测试集 56
3.2.6 机器学习的任务流程 57
3.3 数据预处理 57
3.3.1 探索性分析 58
3.3.2 数据清洗 58
3.3.3 特征工程 59
3.4 算法 60
3.5 初探机器学习的开源框架 61
3.5.1 scikit-learn简介 62
3.5.2 第一个机器学习实例 62
3.5.3 Jupyter Notebook 64
3.5.4 更多实例分析 67
第4章 特征工程 72
4.1 数据预处理 72
4.1.1 量纲不统一 73
4.1.2 把定量特征二值化（用于列向量） 74
4.1.3 对定性特征进行编码 74
4.1.4 缺失值处理（用于列向量） 76
4.1.5 数据变换 76
4.1.6 数据预处理总结 77
4.2 特征选择 77
4.2.1 Filter法 78
4.2.2 Wrapper法 78
4.2.3 Embedded法 79
4.2.4 特征选择总结 79
4.3 降维 79
4.4 特征工程实例分析 80
4.4.1 数据相关性分析（手工选择特征） 80
4.4.2 数据预处理 82
4.4.3 特征抽取 85
4.4.4 特征工程总结 86
第5章 模型训练和评估 88
5.1 什么是模型 88
5.2 误差和MSE 90
5.3 模型的训练 91
5.3.1 模型与算法的区别 91
5.3.2 迭代法 92
5.4 梯度下降法 93
5.4.1 步长 94
5.4.2 优化步长 94
5.4.3 三类梯度下降法 95
5.4.4 梯度下降的详细算法 96
5.5 模型的拟合效果 97
5.5.1 欠拟合与过度拟合 97
5.5.2 过度拟合的处理方法 98
5.6 模型的评估 99
5.6.1 分类模型的评估 99
5.6.2 回归模型的拟合效果评估 106
5.6.3 其他的评价指标 106
5.7 模型的改进 106
第6章 算法选择和优化 108
6.1 算法概述 108
6.1.1 线性回归 109
6.1.2 逻辑回归 109
6.1.3 线性判别分析 111
6.1.4 分类与回归树分析 111
6.1.5 朴素贝叶斯 112
6.1.6 K最近邻算法 113
6.1.7 学习向量量化 113
6.1.8 支持向量机 114
6.1.9 随机森林（Random Forest） 115
6.1.10 AdaBoost 115
6.2 支持向量机（SVM）算法 116
6.3 逻辑回归算法 118
6.4 KNN算法 119
6.4.1 超参数k 120
6.4.2 KNN实例：波士顿房价预测 121
6.4.3 算法评价 124
6.5 决策树算法 124
6.6 集成算法 127
6.6.1 集成算法简述 127
6.6.2 集成算法之Bagging 127
6.6.3 集成算法之Boosting 128
6.7 聚类算法 129
6.7.1 K均值聚类 130
6.7.2 均值漂移聚类 131
6.7.3 基于密度的聚类算法 132
6.7.4 用高斯混合模型的最大期望聚类 133
6.7.5 凝聚层次聚类 134
6.7.6 图团体检测 135
6.8 机器学习算法实例 137
6.8.1 训练和预测 138
6.8.2 自动调参 139
6.8.3 尝试不同算法 141
第7章 深度学习 144
7.1 走进深度学习 144
7.1.1 深度学习为何崛起 145
7.1.2 从逻辑回归到浅层神经网络 145
7.1.3 深度神经网络 147
7.1.4 正向传播 148
7.1.5 激活函数 148
7.2 神经网络的训练 148
7.2.1 神经网络的参数 148
7.2.2 向量化 149
7.2.3 代价函数 149
7.2.4 梯度下降和反向传播 149
7.3 神经网络的优化和改进 150
7.3.1 神经网络的优化策略 150
7.3.2 正则化方法 152
7.4 卷积神经网络 154
7.4.1 卷积运算 154
7.4.2 卷积层 155
7.4.3 卷积神经网络（CNN）实例 156
7.5 深度学习的优势 161
7.6 深度学习的实现框架 162
第8章 TensorFlow 164
8.1 TensorFlow工具包 164
8.1.1 tf.estimator API 165
8.1.2 Pandas速成 165
8.1.3 必要的Python知识 167
8.2 第一个TensorFlow程序 169
8.2.1 加载数据 170
8.2.2 探索数据 171
8.2.3 训练模型 171
8.2.4 评估模型 173
8.2.5 优化模型 175
8.2.6 合成特征 181
8.2.7 离群值处理 184
8.3 过度拟合处理 187
8.3.1 训练集和测试集 188
8.3.2 验证集 189
8.3.3 过度拟合实例 190
8.4 特征工程 199
8.4.1 数值型数据 199
8.4.2 字符串数据和独热编码（One-Hot Encoding） 199
8.4.3 枚举数据（分类数据） 200
8.4.4 好特征 200
8.4.5 数据清洗 200
8.4.6 分箱（分桶）技术 202
8.4.7 特征工程实例 202
第9章 TensorFlow高级知识 212
9.1 特征交叉 212
9.1.1 什么是特征交叉 212
9.1.2 FTRL实践 214
9.1.3 分箱（分桶）代码实例 217
9.1.4 特征交叉代码实例 220
9.2 L2正则化 223
9.3 逻辑回归 225
9.4 分类 227
9.4.1 ROC和AUC 227
9.4.2 预测偏差 228
9.4.3 分类代码实例 229
9.5 L1正则化 241
第10章 神经网络 251
10.1 什么是神经网络 251
10.1.1 隐藏层 252
10.1.2 激活函数 253
10.1.3 ReLU 254
10.1.4 实例代码 254
10.2 训练神经网络 263
10.2.1 正向传播算法 263
10.2.2 反向传播算法 265
10.2.3 归一化特征值 267
10.2.4 随机失活正则化 267
10.2.5 代码实例 268
10.3 多类别神经网络 284
10.3.1 一对多方法 284
10.3.2 Softmax 285
10.3.3 代码实例 286
10.4 嵌入 301
10.4.1 协同过滤 301
10.4.2 稀疏数据 302
10.4.3 获取嵌入 304
10.4.4 代码实例 304
第11章 人工智能应用 315
11.1 银行业 315
11.2 医疗行业 316
11.3 公共安全 320
11.4 制造业 321
附录A 人工智能的历史发展 322
附录B 人工智能网上资料 327
附录C 本书中采用的人工智能中英文术语 330
附录D 术语列表 332
內容試閱：
我们已经进入了人工智能（Artificial Intelligence，AI）时代，人工智能技术越来越多地应用到日常生活的方方面面。AlphaGo ZERO碾压AlphaGo实现自我学习，无人驾驶汽车上路，iPhone开启人脸识别，阿里和小米先后发布智能音箱，肯德基上线人脸支付这些背后都是人工智能技术的驱动。国家发布的新一代人工智能发展规划，更是将中国人工智能产业的发展推向了新高度。
人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大、成本更低的计算力的促进下，本次人工智能的发展受到风险投资的热烈追捧而处于高速发展时期，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来实际商业价值。在金融行业，人工智能可以在风险控制、资产配置、智能投顾等方向进行应用，预计将带来约6000亿元的效益。在汽车行业，人工智能在自动驾驶上的技术突破，将带来约5000亿元的价值增益。在医疗行业，通过人工智能技术，在药物研发领域可以提高成功率，在医疗服务机构可以提供疾病诊断辅助、疾病监护辅助，预计可以带来约4000亿元的效益。在零售行业，人工智能在推荐系统上的运用将提高在线销售的销量，同时能够对市场进行精准预测，降低库存，预计将带来约4200亿元的效益。
人工智能是一个非常广泛的领域。人工智能技术涵盖很多大的学科，包括计算机视觉（模式识别、图像处理）、自然语言理解与交流（语音识别）、认知科学、机器人学（机械、控制、设计、运动规划、任务规划等）、机器学习（各种模型和算法）。人工智能产业链条涵盖了基础层、技术层、应用层等多个方面，其辐射范围之大，单一公司无法包揽人工智能产业的每个环节，深耕细分领域和协作整合多个产业间资源的形式成为人工智能领域主要的发展路径。
本书从人工智能的定义入手，前两章阐述了人工智能火热的成因、发展历程、产业链、技术和应用场景，从第3章开始详细阐述人工智能的几个核心技术（机器学习、特征工程、模型、算法、深度学习）和两个最流行的开源平台（sklearn和TensorFlow）。通过本书，读者既能了解人工智能的方方面面（广度），又能深度学习人工智能的重点技术和平台工具，最终能够将人工智能技术应用到实际工作场景中，共同创建一个智能的时代。
示例代码及相关下载
本书示例代码及其他相关材料必须扫描下面的二维码获得。
如果下载有问题或对本书内容有疑问，请联系booksaga@163.com，邮件主题为人工智能技术入门。
致谢
在本书的编写过程中得到了众多的帮助和支持。特别感谢中国科学院的老师们，感谢戴汝为院士和黄玉霞研究员的科学指导和持续鼓励，80 多岁的戴老师前年还远赴广州为我的人工智能研究站台。还要特别感谢我在State University of New York at Stony Brook的老师们，导师帮我确定了本书的三个核心技术方向（机器学习、深度学习、算法），帮我掌舵了人工智能的研究方向。最后感谢我曾经工作了10年的IBM硅谷实验室，从大数据再到人工智能，这个实验室一直站在技术的制高点，10年的工作和研究，让我获益匪浅。
由于作者水平有限，书中难免存在纰漏之处，敬请读者批评指正。

杨正洪
2020年9月于San Jose

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　大陸用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.