分类目录归档：Books
目录
• 第一部分 入门
• 第1章 进化深度学习简介
• 1.1 什么是进化深度学习
• 1.2 EDL的缘由与应用领域
• 1.3 深度学习优化的需求
• 1.4 用自动化机器学习实现自动优化
• 1.5 进化深度学习的应用
• 1.5.1 模型选择：权重搜索
• 1.5.2 模型架构：架构优化
• 1.5.3 超参数调优
• 1.5.4 验证和损失函数的优化
• 1.5.5 神经增强拓扑结构
• 1.6 本章小结
• 第2章 进化计算简介
• 2.1 Google Colaboratory中的康威生命游戏
• 2.2 用Python进行生命模拟
• 2.3 将生命模拟作为优化
• ...
目录
• 第1章 绪论
• 1.1 人工智能
• 1.1.1 人工智能技术的发展历程
• 1.1.2 人工智能技术的流派
• 1.2 深度学习与神经网络概述
• 1.2.1 深度学习与神经网络技术的发展历程
• 1.2.2 深度学习与神经网络的前沿技术
• 1.3 深度学习系统架构
• 1.4 深度学习的应用
• 1.5 深度学习的学习方法
• 1.6 人工智能潜在的安全风险
• 1.6.1 数据层面的风险
• 1.6.2 算法模型层面的风险
• 1.6.3 智能计算框架层面的风险
• 1.6.4 基础软硬件层面的风险
• 1.6.5 应用服务层面的风险
• 第2章 预备知识
• 2.1...
目录
• 第1章 让ChatGPT告诉我们什么是机器学习
• 1.1 问问ChatGPT什么是机器学习
• 1.1.1 机器学习的定义
• 1.1.2 通俗解释机器学习
• 1.1.3 举个例子解释机器学习
• 1.2 问问ChatGPT机器学习有什么用
• 1.2.1 机器学习的常见用途
• 1.2.2 机器学习可以预测未来吗
• 1.2.3 机器学习如何应用在商业中
• 1.3 问问ChatGPT机器学习该怎么学
• 1.3.1 机器学习的学习步骤
• 1.3.2 初学者如何学习机器学习
• 1.3.3 企业如何应用机器学习
• 1.4 机器学习系统的总体分类
• 1.4.1 什么是...
目录
• 第一部分 机器学习概念篇
• 第1章 机器学习基础
• 1.1 机器学习概述
• 1.1.1 机器学习概念
• 1.1.2 机器学习的发展
• 1.1.3 机器学习的用途
• 1.1.4 机器学习、数据挖掘与人工智能的关系
• 1.2 机器学习的基本术语
• 1.3 机器学习的任务及算法分类
• 1.4 如何学习和运用机器学习
• 1.4.1 机器学习应用的流程
• 1.4.2 软件平台的选择
• 1.4.3 机器学习实现
• 1.5 数据预处理
• 1.5.1 数据选取
• 1.5.2 数据清理
• 1.5.3 数据集成
• 1.5.4 数据变换
• 1.5.5 数据归约
•...
目录
• 第1章 机器学习基础
• 1.1 什么是机器学习
• 1.2 从数据中学习
• 1.3 机器学习能够解决的问题
• 1.4 机器学习的分类
• 1.4.1 学习方式
• 1.4.2 算法的分类
• 1.5 机器学习的范围
• 1.6 编程语言与开发环境
• 1.6.1 选择Python的原因
• 1.6.2 安装开发环境
• 1.6.3 Sklearn - learn
• 1.7 第一个机器学习应用：鸢尾花分类
• 1.7.1 特征数据与标签数据
• 1.7.2 训练数据与测试数据
• 1.7.3 构建机器学习模型
• 1.7.4 预测与评估
• 第2章 监督学习
• 2.1 ...
目录
• 第1章 机器学习入门
• 1.1 机器学习简介
• 1.1.1 什么是机器学习
• 1.1.2 机器学习的前景
• 1.2 机器学习的主要类型
• 1.2.1 监督学习
• 1.2.2 无监督学习
• 1.2.3 半监督学习
• 1.2.4 强化学习
• 1.2.5 监督学习案例
• 1.3 选择正确的算法
• 第2章 机器学习工具和环境
• 2.1 Python介绍
• 2.1.1 Python的安装
• 2.1.2 Python基础语法
• 2.1.3 Python其他特性
• 2.1.4 Python简单实战案例（猜字游戏）
• 2.1.5 Python高级实战案例（网络...
目录
• 第1章 开拓今后业务的机器学习
• 人工智能现状与本书概要
• 什么是机器学习项目
• AI优先
• 了解AI优先的时代背景
• GAFA + Microsoft的对策
• 从顶尖企业来看机器学习的策略
• 技术进化的意义
• 机器学习带来的冲击
• 了解机器学习受到关注的原因
• 作为国家成长战略的机器学习
• 日本企业的对策
• 日本企业AI对策实况
• AI、机器学习所需人才状况
• 从事机器学习的意义
• 从事机器学习产生新的价值
• 如何在信息爆炸中获取正确的信息
• 第2章 理解机器学习的机制
• 什么是机器学习
• 基于规则和机器学习
• 从机器学习中能得到什么
...目录
• 第1章 为什么需要集成学习
• 1.1 混合训练数据
• 1.2 混合模型
• 1.3 混合组合
• 1.4 本章小结
• 第2章 混合训练数据
• 2.1 决策树
• 2.2 数据集采样
• 2.2.1 不替换采样（WOR）
• 2.2.2 替换采样（WR）
• 2.3 Bagging（装袋算法）
• 2.3.1 k重交叉验证
• 2.3.2 分层的k重交叉验证
• 2.4 本章小结
• 第3章 混合模型
• 3.1 投票集成
• 3.2 硬投票
• 3.3 均值法/软投票
• 3.4 超参数调试集成
• 3.5 水平投票集成
• 3.6 快照集成
• 3.7 本章小结
• ...
目录
• 讲义1 AI与人类能够对话吗
• 机器人会说话吗
• AI如何进行翻译
• RNN输出答案前的思考机制
• 学习指的是“区分”
• 图灵测试与“中文房间试验”
• 不会感到疲劳的人无法理解“疲劳”一词的意思吗
• AI能够理解“猫”吗
• 小朋友只能理解亲眼看到的东西吗
• 使用语言就是分解信息
• 讲义2 人脑和AI的区别是什么
• 人脑机能与AI学习法的相似性
• 短期记忆与长期记忆
• 出现错误时追踪溯源——误差反向传播法的机制
• 日本人不能发好“L”音和“R”音的原因
• 过拟合——AI不能应对的时候
• 人脑之谜与AI的进化
• 世界和人都是层级结构
• AI能够具...
目录
• 第1章 引言
• 1.1 目标
• 1.2 历史
• 1.3 应用
• 1.4 生物学启示
• 1.5 扩展阅读
• 第2章 神经元模型与网络结构
• 2.1 目标
• 2.2 理论与例子
• 2.2.1 McCulloch - Pitts神经元模型
• 2.2.2 线性联想器
• 2.2.3 神经网络结构
• 2.3 小结
• 2.4 例题
• 2.5 结束语
• 2.6 习题
• 第3章 一个说明性的例子
• 3.1 目标
• 3.2 理论与例子
• 3.2.1 问题描述
• 3.2.2 感知机
• 3.2.3 Hamming网络
• 3.2.4 Hopfield网络
• ...