|
|
|
機器學習是電腦科學與人工智慧的重要分支領域，本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面。本書主要內容包括機器學習緒論、Python基礎知識、模型評估及模型、機器學習及神經網路、MNIST識別及圖像分類。
本書致力於“利用經驗來改善系統自身的性能”。在電腦系統中，“經驗”通常是以資料的形式存在的，利用經驗就不可避免地要對資料進行分析。本書結構清晰、內容豐富，知識完整，理論部分通俗易懂，實踐部分真實可操作，書中介紹了大量行業前沿案例，並配有程式說明。
本書可作為機器人、電腦、電子資訊、自動化、機電一體化等專業的機器視覺技術課程教材，也可供高等院校相關比賽者、機器人與製造技術領域的科研工作者和工程技術人員參考。
第1章 緒論
1.1 AI的歷史起源
1.2 什麼是智慧與AI
1.3 人工智慧的分類
1.4 人工智慧和大數據
第2章 Python基礎知識
2.1 Python虛擬環境與庫安裝方法
2.2 Python流程控制語法
2.3 清單、元組、字典與集合
2.4 Python函數
2.5 物件導向程式設計
第3章 模型評估及模型
3.1 向量矩陣和陣列
3.2 索引、切片和反覆運算
3.3 Pandas資料整理
3.4 Pandas的Series資料結構
3.5 Pandas的DataFrame資料結構
3.6 資料載入、存儲與檔案格式
3.7 數據清洗和準備
3.8 圖像資料讀取與處理
3.9 資料視覺化基礎
3.10 數據視覺化折線圖、柱狀圖、散點圖
第4章 機器學習及神經網路
4.1 模式識別、機器學習的區別與聯繫
4.2 什麼是機器學習
4.3 機器學習的專業術語、開發流程與工具
4.4 機器學習基礎補充
4.5 多項式曲線擬合
4.6 k-近鄰演算法
4.7 K-Means(K-均值)、聚類演算法
4.8 利用PCA來簡化資料
4.9 神經網路
4.10 Torch運算
4.11 Pytorch搭建神經網路
4.12 保存和載入模型
第5章 MNIST識別及圖像分類
5.1 MNIST手寫數位識別
5.2 MNIST圖像分類
參考文獻
