人工智能算法设计与开发实战指南.docVIP

人工智能算法设计与开发实战指南

TOC\o1-2\h\u14842第1章人工智能基础概念 4

195731.1人工智能的定义与分类 4

324411.2人工智能发展简史 4

174081.3人工智能的应用领域 5

21604第2章数据预处理与特征工程 6

259182.1数据清洗与预处理 6

11692.1.1缺失值处理 6

105332.1.2异常值处理 6

28602.1.3数据标准化与归一化 6

121592.1.4数据变换 6

302712.2特征选择与特征提取 6

35902.2.1特征选择 6

115302.2.2特征提取 7

239742.3特征降维与变换 7

83962.3.1特征降维 7

78312.3.2特征变换 7

15602第3章监督学习算法 7

47063.1线性回归 7

229073.1.1线性回归的基本概念 7

253743.1.2最小二乘法 8

189093.1.3梯度下降法 8

269693.2逻辑回归与分类问题 8

132283.2.1逻辑回归的基本原理 8

119173.2.2模型参数估计 8

296443.2.3模型评估与优化 8

307463.3决策树与随机森林 8

199683.3.1决策树的基本概念 8

181913.3.2特征选择与分裂准则 8

169063.3.3随机森林 8

233783.4支持向量机 9

314223.4.1支持向量机的原理 9

319693.4.2核函数与非线性SVM 9

119543.4.3SVM的模型评估与优化 9

9282第4章无监督学习算法 9

182944.1聚类分析 9

90594.1.1聚类分析的基本概念 9

29304.1.2常用聚类算法 9

149604.2主成分分析 10

102124.2.1主成分分析的基本原理 10

83034.2.2主成分分析的应用 10

91024.3自编码器与稀疏性 10

14374.3.1自编码器的基本结构 10

184544.3.2稀疏自编码器 10

15134.3.3自编码器的应用 11

16168第5章神经网络与深度学习 11

296885.1神经网络基础 11

188975.1.1神经元模型 11

270315.1.2激活函数 11

275825.1.3前向传播与反向传播 11

124335.2深度学习框架简介 11

289785.2.1TensorFlow 11

284675.2.2PyTorch 11

117645.2.3其他深度学习框架 11

76965.3卷积神经网络 12

145275.3.1卷积操作 12

1485.3.2池化操作 12

270475.3.3常见卷积神经网络结构 12

255145.4循环神经网络 12

125695.4.1循环神经网络基础 12

176195.4.2长短时记忆网络（LSTM） 12

190135.4.3门控循环单元（GRU） 12

6655第6章模型评估与优化 12

258076.1评估指标与功能度量 12

20066.1.1二分类问题评估指标 12

163976.1.2多分类问题评估指标 13

287926.1.3回归问题评估指标 13

238606.2模型调优与超参数优化 13

167566.2.1超参数搜索方法 13

266306.2.2交叉验证 13

169736.2.3早停法 13

127246.3模型过拟合与正则化 13

287346.3.1过拟合现象 13

143566.3.2正则化方法 13

64376.4集成学习与模型融合 13

172526.4.1集成学习方法 14

140126.4.2模型融合策略 14

141196.4.3实践中的集成学习与模型融合 14

21632第7章自然语言处理 14

222377.1文本预处理与分词 14

240587.2词向量与词嵌入 14

14587.3主题模型与情感分析 14

246587.4机器翻译与序列到序列模型 14

75第8章计算机视觉