人工智能应用开发实践指南.docVIP

人工智能应用开发实践指南

TOC\o1-2\h\u14124第1章人工智能概述 4

142201.1人工智能的定义与分类 4

17151.2人工智能发展历程 4

318951.3人工智能技术框架 5

13390第2章人工智能应用开发环境搭建 5

140052.1硬件环境配置 5

45582.1.1处理器（CPU） 5

319422.1.2显卡（GPU） 5

75582.1.3内存（RAM） 5

212462.1.4存储 6

300432.1.5网络 6

266682.2软件开发工具与平台 6

234092.2.1操作系统 6

210302.2.2编程语言 6

85522.2.3开发工具 6

273072.2.4深度学习框架 6

138832.3开发环境优化与调试 6

143892.3.1环境配置 6

133652.3.2功能优化 7

272912.3.3调试与测试 7

30634第3章数据处理与预处理 7

290353.1数据采集与清洗 7

195343.1.1数据采集 7

88023.1.2数据清洗 7

282543.2数据存储与管理 8

226463.2.1数据存储 8

179123.2.2数据管理 8

307883.3数据预处理技术 8

13911第4章特征工程 9

278804.1特征提取与选择 9

265744.1.1特征提取 9

21734.1.2特征选择 9

273194.2特征降维与变换 9

199434.2.1特征降维 9

170684.2.2特征变换 10

55174.3特征工程实践案例 10

9417第5章机器学习算法与应用 10

197505.1监督学习算法 10

186365.1.1线性回归 10

212045.1.2逻辑回归 10

277155.1.3决策树 11

117975.1.4支持向量机 11

246235.1.5随机森林 11

157105.1.6神经网络 11

319445.2无监督学习算法 11

259415.2.1Kmeans聚类 11

297595.2.2层次聚类 11

304645.2.3密度聚类 11

12015.2.4主成分分析 11

277595.2.5自编码器 12

191225.3强化学习算法 12

224365.3.1Q学习 12

166535.3.2深度Q网络 12

321975.3.3策略梯度 12

81135.3.4演员评论家方法 12

104655.3.5异同策略优化 12

68865.4机器学习框架与库 12

196575.4.1Scikitlearn 12

197705.4.2TensorFlow 12

163355.4.3PyTorch 13

106955.4.4Keras 13

36925.4.5MXNet 13

4515.4.6PaddlePaddle 13

26905第6章深度学习技术 13

162506.1神经网络基础 13

260746.1.1神经元模型 13

189766.1.2激活函数 13

233796.1.3前向传播和反向传播算法 13

248546.1.4损失函数与优化算法 13

24046.2卷积神经网络 13

293506.2.1卷积层 13

91026.2.2池化层 13

207946.2.3全连接层 14

132456.2.4常见的卷积神经网络结构 14

9136.3循环神经网络 14

164266.3.1RNN的基本结构 14

39876.3.2长短时记忆网络（LongShortTermMemory，LSTM） 14

136746.3.3门控循环单元（GatedRecurrentUnit，GRU） 14

237156.3.4双向循环神经网络 14

240446.4深度学习框架与库 14

290926.4.1TensorFlow 14

149646.4.2PyTorch 14

133266.4.3Keras 14

274726.4.4Caffe 14