更新时间：2020-09-05 00:31:43
封面
版权信息
作者简介
内容简介
前言
致谢
第1章 引言
1.1 人工智能概述
1.2 人工智能与传统机器学习
1.3 机器学习算法领域发展综述
1.4 小结
参考文献
第2章 数据理解
2.1 数据的三个基本维度
2.2 数据的统计推论的基本方法
2.3 数据分析
2.4 小结
第3章 数据处理与特征
3.1 数据的基本处理
3.2 数据的特征缩放和特征编码
3.3 数据降维
3.4 图像的特征分析
3.5 小结
第4章 机器学习基础
4.1 统计学习
4.2 机器学习算法分类
4.3 机器学习的学习规则
4.4 机器学习的基础应用
4.5 小结
第5章 模型选择和结构设计
5.1 传统机器学习模型选择
5.2 经典回归模型的理解和选择
5.3 经典分类模型的理解和选择
5.4 经典聚类模型的理解和选择
5.5 深度学习模型选择
5.6 深度学习模型结构的设计方向
5.7 模型结构设计中的简单技巧
5.8 小结
第6章 目标函数设计
6.1 损失函数
6.2 风险最小化和设计原则
6.3 基于梯度下降法的目标函数优化
6.4 基于牛顿法的目标求解
6.5 小结
第7章 模型训练过程设计
7.1 数据选择
7.2 参数初始化
7.3 拟合的验证与判断
7.4 学习速率的选择
7.5 迁移学习
7.6 分布式训练
7.7 小结
第8章 模型效果的评估与验证
8.1 模型效果评估的一般性指标
8.2 交叉验证
8.3 模型的稳定性分析
8.4 小结
第9章 计算性能与模型加速
9.1 计算优化
9.2 性能指标
9.3 模型压缩与裁剪
9.4 小结
第10章 应用案例专题
10.1 求解二元一次方程
10.2 鸢尾花的案例分析
10.3 形体识别
10.4 小结
