人工智能机器学习算法研发与应用方案.docVIP

人工智能机器学习算法研发与应用方案

TOC\o1-2\h\u29786第1章人工智能与机器学习概述 3

278731.1人工智能发展简史 3

135301.1.1符号主义时期 3

188031.1.2连接主义时期 3

6521.1.3统计学习时期 4

320721.1.4深度学习时期 4

150861.2机器学习基本概念 4

226861.2.1数据集 4

69381.2.2特征 4

252641.2.3模型 4

311671.2.4目标函数 4

231161.2.5优化算法 4

148241.3人工智能与机器学习的关系 4

32764第2章机器学习算法分类与原理 5

12702.1监督学习 5

78302.1.1线性模型 5

34512.1.2决策树 5

115692.1.3神经网络 5

270922.1.4支持向量机 5

322022.2无监督学习 5

196402.2.1聚类分析 5

179622.2.2降维技术 6

212692.2.3关联规则挖掘 6

319352.3半监督学习 6

66382.3.1标签传播算法 6

44932.3.2基于图的半监督学习 6

92432.4强化学习 6

29172.4.1Q学习 6

59112.4.2策略梯度算法 6

51172.4.3深度强化学习 6

20296第3章数据预处理与特征工程 6

45123.1数据清洗与数据集划分 6

39313.1.1数据清洗 7

91053.1.2数据集划分 7

275643.2特征提取与选择 7

159593.2.1特征提取 7

229983.2.2特征选择 7

203573.3数据标准化与归一化 8

199363.3.1数据标准化 8

196563.3.2数据归一化 8

229393.4特征降维 8

28720第4章常用机器学习算法 8

102894.1线性回归 8

133424.2逻辑回归 8

161214.3决策树 9

294944.4随机森林 9

30209第5章神经网络与深度学习 9

300215.1神经网络基本原理 9

281575.1.1神经元模型 9

143355.1.2网络结构 10

139315.1.3学习规则 10

314855.1.4激活函数 10

118315.2卷积神经网络（CNN） 10

42005.2.1卷积层 10

148865.2.2池化层 10

164295.2.3全连接层 10

19855.2.4常见网络结构 10

147765.3循环神经网络（RNN） 10

22205.3.1RNN基本结构 10

124105.3.2长短时记忆网络（LSTM） 10

290545.3.3门控循环单元（GRU） 11

250455.3.4应用场景 11

83475.4对抗网络（GAN） 11

304895.4.1GAN基本结构 11

134725.4.2训练过程 11

32565.4.3应用领域 11

59795.4.4改进版本 11

12257第6章模型评估与优化 11

106056.1评估指标 11

281906.1.1分类问题评估指标 11

235536.1.2回归问题评估指标 11

119416.2过拟合与欠拟合 12

126106.2.1过拟合 12

29446.2.2欠拟合 12

85636.3超参数调优 12

206726.3.1网格搜索 12

45686.3.2随机搜索 12

149186.3.3贝叶斯优化 12

132616.4模型融合 12

33136.4.1投票法 12

55746.4.2堆叠 13

200246.4.3提升 13

15620第7章计算机视觉应用 13

136747.1图像分类 13

57037.2目标检测 13

31257.3语义分割 13

155627.4人脸识别 13

8227第8章自然语言处理应用 14

210548.1词向量与词嵌入 14

136078.2文本分类