成功加入购物车
[日] 小高知宏 著 / 机械工业出版社 / 2026-02 / 平装
售价 ¥ 27.60 4.0折
定价 ¥69.00
品相 九品
延迟发货说明
上书时间2026-08-25
卖家超过10天未登录
青少年机器学习图解:零基础入门到实战
本书介绍了人工智能的机械学习的定位和分类,用类似构建地图方法的图解方式说明机械学习的k近邻法、决策树、群智能、强化学习,神经网络,深层学习等。本书着眼于抓住大框架和要点,不涉及复杂的公式,行为简洁,图解简明,使读者可以短时间、有效地学习。
小高知宏(Tomohiro Odaka),日本福井大学大学院工学研究科教授,主要著作有《计算机系统》《从基础开始学会TCP/IP Java网络程序设计(第2版)》《初学AI程序设计——用C语言制作人工智能和人工无能》《初学机器学习》《基于AI的大规模数据处理入门》《人工智能入门》等。 施佳贤,毕业于牛津大学,现就职于欧姆龙(中国)有限公司上海分公司,任部门经理,曾在日本工作多年,精通C语言和Python,擅长工业控制及嵌入式软件开发,有10多年产业、车载及医疗相关嵌入式系统开发经验。
译者序 前言 写在前面:前往机器学习之国吧 第1章 入口:到底什么是机器学习1 1.1 机器学习是什么2 1.2 AI能做什么5 1.3 生物和计算机各有其学习方法7 1.4 计算机的学习方法9 1.5 机器学习能做些什么12 1.5.1 语音识别12 1.5.2 图像识别14 专栏:强AI和弱AI16 App的独白17 第2章 游客咨询中心:机器学习的种类和原理19 2.1 机器学习分好几种20 2.2 让老师来告诉你正确答案—监督学习23 2.2.1 教师数据和标签23 2.2.2 监督学习的原理26 2.3 全靠自己学习—无监督学习28 2.4 从试错中汲取经验—强化学习31 专栏:机器学习种种33 2.5 使用学到的知识—泛化、任务和算法33 2.6 小心不要学过头了—过拟合36 App的独白37 专栏:奥卡姆剃刀和没有免费午餐定理38 第3章 分类小镇:k近邻算法、SVM和决策树39 3.1 按照分布方式进行分类—k近邻算法40 3.2 一刀两断爽快分类—SVM42 3.3 用○和×来分类—决策树44 3.4 如何构建决策树46 3.5 由大量决策树组成的森林—随机森林48 App的独白50 专栏:丑小鸭定理51 第4章 优化小镇:进化计算和群体智能53 4.1 什么是优化54 4.2 通过模仿生物来优化信息—进化计算54 4.2.1 生物进化的原理54 4.2.2 什么是进化计算57 4.2.3 进化计算的代表选手—遗传算法59 4.2.4 遗传算法的原理61 4.2.5 更加复杂的操作—遗传编程65 4.3 从生物群体的行为中汲取经验—群体智能67 4.3.1 像蚂蚁一样找到捷径—蚁群优化算法67 4.3.2 通过大数寻找答案—粒子群优化算法70 4.3.3 像鱼一样寻找食物—AFSA72 App的独白74 第5章 试错小镇:强化学习75 5.1 什么是强化学习76 5.2 随机重复试验—蒙特卡洛法79 5.3 如何更高效地进行试验—Q学习81 5.4 利用Q学习走出迷宫83 App的独白85 第6章 神经网络小镇1:神经网络87 6.1 神经元和神经网络88 6.2 对神经元的模仿—人工神经元90 6.3 对神经网络的模仿—人工神经网络93 6.4 神经网络是如何学习的95 6.5 视觉仿真—感知机97 6.6 高速学习—反向传播99 6.7 神经网络的种类1—阶层型100 6.8 神经网络的种类2—全连接型和循环型103 6.8.1 找出“东西”—识别105 6.8.2 操作“东西”—控制108 6.8.3 思考“东西”—判断109 6.9 总会有“结果”输出,这样好吗111 App的独白112 第7章 神经网络小镇2:深度学习115 7.1 什么是深度学习116 7.2 模拟人类视觉的神经网络118 7.3 这是狗还是猫—CNN的图像识别121 7.4 CNN是如何实现高性能的123 7.5 分析随时间变化的数据—RNN和LSTM125 7.6 制作与真品一模一样的仿品—GAN127 7.7 使用深度学习实现自动翻译129 7.8 从经验中学习的深度学习—深度强化学习132 第8章 出口:开始机器学习吧135 8.1 机器学习使用的语言—Python136 8.2 用于机器学习的软件1—TensorFlow和Keras141 8.3 用于机器学习的软件2—Caffe、PyTorch和PaddlePaddle143 App的独白146 写在最后:学习AI的参考文献147
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30