| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787121495489 |
| 所属分类：图书>文学>文学类考试>成人考试 |
商品详情
亲亲 非常感谢您选中本店的书籍
店内部分书籍价格低于同类型书籍价格，是单本书籍价格，任选一本，下单可以备注书名，或联系客服备注书名。
下单前如果您不确定是否为任选单本的，可以联系客服咨询，未咨询的客户默认您接受随机发一册书籍。
亲亲，首先非常感谢您选中本店的商品
部分套装书籍会涉及分包发货，如果您只收到一本书籍，请不要着急联系客服查询分包单号，发票请确认收货后，在您书籍检查没有任何问题之后联系客服客服开具
标题写年新版 ，不是说明该书的出版的时间就是年，具体以实际收到的书籍为准。如您介意可以提前联系客服咨询，未咨询下单 默认您接受实际收到书籍的出版时间
温馨提示
店内商品详情的数据是系统扫描获取可能会出现误差。其中有可能会涉及书号与图片书籍不符、书号上传错误、作者与主图展示不符等情况，建议您下单前联系客服咨询避免给您发错书籍如您未咨询直接下单了本店默认您接受主图展示的书籍。
其中书籍的出版、印刷时间、版次、印次，有无塑封情况，以实际收到书籍为准。
本店部分书籍涉及溢价出售，如果您不确定购买的商品是否为溢价商品，可联系客服咨询。如果未咨询下单，默认您接受订单付款金额 。
亲亲 非常感谢您选中本店的书籍
店内部分书籍价格低于同类型书籍价格，是单本书籍价格，任选一本，下单可以备注书名 或联系客服备注书名。
下单前如果您不确定是否为任选单本的，可以联系客服咨询，未咨询的客户默认您接受随机发一册书籍
亲 本店发票开具注意事项：
订单含运费是开具实际付款金额 ，运费核算在书款里面不单独体现
发票开具成功之后不支持、
预留发票信息和与客服沟通提供的发票信息请仔细核对，如因您个人原因提供信息错误导致发票无法报销，损失由您个人承担
订单发票是确认收货之后开具
发票不支持作废、重开、换开
商品详情
内容介绍
本书覆盖了人工智能应用的核心领域，旨在为读者提供一个深入理解人工智能技术及其应用的全景视角。本书在内容安排上，从基础理论出发，逐步深入到技术实现和应用场景中，以确保读者能够掌握人工智能的关键概念、技术方法及其在实际中的应用。本书在技术深度上，详细介绍了机器学习的各种类型，包括监督学习、无监督学习等，并指导读者如何搭建机器学习环境，使用主流工具进行项目开发。进一步地，本书通过对线性模型、感知机与支持向量机（）、决策树与随机森林、聚类与降维、神经网络与深度学习、自然语言处理（）和计算机视觉等关键技术领域的深入讲解，结合实际案例分析，使读者理解这些技术的原理和应用方法。
目录
项目 数据挖掘与人工智能基础
任务 数据挖掘简介
任务 数据挖掘的发展历程
任务 人工智能简介
任务 人工智能的学派
任务 人工智能未来的发展趋势和前沿研究
任务 人工智能在数据挖掘中的应用
总结
项目考核
项目 机器学习概述
任务 机器学习的定义与发展历程
任务 机器学习的研究现状
任务 机器学习的类型
总结
项目考核
项目 机器学习环境搭建
任务 认识
任务 认识
总结
项目考核
项目 线性模型
任务 线性回归
任务 逻辑回归
任务 问题
任务 岭回归
总结
项目考核
项目 感知机与
任务 感知机
任务 硬间隔
任务 软间隔
任务 非线性
总结
项目考核
项目 决策树与随机森林
任务 决策树概述
任务 决策树的相关概念
任务 决策树的应用
任务 随机森林概述
任务 随机森林的应用
总结
项目考核
项目 聚类与降维
任务 聚类的介绍
任务 降维的介绍
任务 算法
任务 均值漂移聚类算法
任务 亲和传播聚类算法
任务 降维算法
任务 降维算法
任务 多种降维算法的对比
总结
项目考核
项目 神经网络与深度学习
任务
任务
任务
任务 深度学习概述
总结
项目考核
项目
任务 概述
任务 词嵌入
任务 机器翻译
任务 聊天机器人
总结
项目考核
项目 计算机视觉
任务 计算机视觉概述
任务 现代
任务 图像分类
任务 目标检测
任务 人脸识别
总结
项目考核
作者介绍
康凤，女，硕士，副教授，中共党员。成都航空职业技术学院教务处副处长。家级精品课《计算机文化基础》课程主讲教师，省级精品课《数据课基础》课程主讲教师。公开发表论文多篇，并承担和参与多项学院教育科研任务。获得学院说课大赛一等奖。研究方向：计算机科学与技术及教学建设管理。
媒体评论
本书从数据挖掘与人工智能基础开始，为读者建立起必要的理论框架。随后的项目对机器学习的核心技术和方法（包括环境搭建、线性模型、感知机与支持向量机，以及更为复杂的决策树和随机森林）进行深入讲解。此外，书中还详细探讨了聚类与降维技术，这些是理解大规模数据集中隐藏模式的关键技术。
关联
本书从数据挖掘与人工智能基础开始，为读者建立起必要的理论框架。随后的项目对机器学习的核心技术和方法（包括环境搭建、线性模型、感知机与支持向量机，以及更为复杂的决策树和随机森林）进行深入讲解。此外，书中还详细探讨了聚类与降维技术，这些是理解大规模数据集中隐藏模式的关键技术。
亲亲 非常感谢您选中本店的书籍
店内部分书籍价格低于同类型书籍价格，是单本书籍价格，任选一本，下单可以备注书名，或联系客服备注书名。
下单前如果您不确定是否为任选单本的，可以联系客服咨询，未咨询的客户默认您接受随机发一册书籍。
亲亲，首先非常感谢您选中本店的商品
部分套装书籍会涉及分包发货，如果您只收到一本书籍，请不要着急联系客服查询分包单号，发票请确认收货后，在您书籍检查没有任何问题之后联系客服客服开具
标题写年新版 ，不是说明该书的出版的时间就是年，具体以实际收到的书籍为准。如您介意可以提前联系客服咨询，未咨询下单 默认您接受实际收到书籍的出版时间
温馨提示
店内商品详情的数据是系统扫描获取可能会出现误差。其中有可能会涉及书号与图片书籍不符、书号上传错误、作者与主图展示不符等情况，建议您下单前联系客服咨询避免给您发错书籍如您未咨询直接下单了本店默认您接受主图展示的书籍。
其中书籍的出版、印刷时间、版次、印次，有无塑封情况，以实际收到书籍为准。
本店部分书籍涉及溢价出售，如果您不确定购买的商品是否为溢价商品，可联系客服咨询。如果未咨询下单，默认您接受订单付款金额 。
亲亲 非常感谢您选中本店的书籍
店内部分书籍价格低于同类型书籍价格，是单本书籍价格，任选一本，下单可以备注书名 或联系客服备注书名。
下单前如果您不确定是否为任选单本的，可以联系客服咨询，未咨询的客户默认您接受随机发一册书籍
亲 本店发票开具注意事项：
订单含运费是开具实际付款金额 ，运费核算在书款里面不单独体现
发票开具成功之后不支持、
预留发票信息和与客服沟通提供的发票信息请仔细核对，如因您个人原因提供信息错误导致发票无法报销，损失由您个人承担
订单发票是确认收货之后开具
发票不支持作废、重开、换开
商品详情
内容介绍
本书覆盖了人工智能应用的核心领域，旨在为读者提供一个深入理解人工智能技术及其应用的全景视角。本书在内容安排上，从基础理论出发，逐步深入到技术实现和应用场景中，以确保读者能够掌握人工智能的关键概念、技术方法及其在实际中的应用。本书在技术深度上，详细介绍了机器学习的各种类型，包括监督学习、无监督学习等，并指导读者如何搭建机器学习环境，使用主流工具进行项目开发。进一步地，本书通过对线性模型、感知机与支持向量机（）、决策树与随机森林、聚类与降维、神经网络与深度学习、自然语言处理（）和计算机视觉等关键技术领域的深入讲解，结合实际案例分析，使读者理解这些技术的原理和应用方法。
目录
项目 数据挖掘与人工智能基础
任务 数据挖掘简介
任务 数据挖掘的发展历程
任务 人工智能简介
任务 人工智能的学派
任务 人工智能未来的发展趋势和前沿研究
任务 人工智能在数据挖掘中的应用
总结
项目考核
项目 机器学习概述
任务 机器学习的定义与发展历程
任务 机器学习的研究现状
任务 机器学习的类型
总结
项目考核
项目 机器学习环境搭建
任务 认识
任务 认识
总结
项目考核
项目 线性模型
任务 线性回归
任务 逻辑回归
任务 问题
任务 岭回归
总结
项目考核
项目 感知机与
任务 感知机
任务 硬间隔
任务 软间隔
任务 非线性
总结
项目考核
项目 决策树与随机森林
任务 决策树概述
任务 决策树的相关概念
任务 决策树的应用
任务 随机森林概述
任务 随机森林的应用
总结
项目考核
项目 聚类与降维
任务 聚类的介绍
任务 降维的介绍
任务 算法
任务 均值漂移聚类算法
任务 亲和传播聚类算法
任务 降维算法
任务 降维算法
任务 多种降维算法的对比
总结
项目考核
项目 神经网络与深度学习
任务
任务
任务
任务 深度学习概述
总结
项目考核
项目
任务 概述
任务 词嵌入
任务 机器翻译
任务 聊天机器人
总结
项目考核
项目 计算机视觉
任务 计算机视觉概述
任务 现代
任务 图像分类
任务 目标检测
任务 人脸识别
总结
项目考核
作者介绍
康凤，女，硕士，副教授，中共党员。成都航空职业技术学院教务处副处长。家级精品课《计算机文化基础》课程主讲教师，省级精品课《数据课基础》课程主讲教师。公开发表论文多篇，并承担和参与多项学院教育科研任务。获得学院说课大赛一等奖。研究方向：计算机科学与技术及教学建设管理。
媒体评论
本书从数据挖掘与人工智能基础开始，为读者建立起必要的理论框架。随后的项目对机器学习的核心技术和方法（包括环境搭建、线性模型、感知机与支持向量机，以及更为复杂的决策树和随机森林）进行深入讲解。此外，书中还详细探讨了聚类与降维技术，这些是理解大规模数据集中隐藏模式的关键技术。
关联
本书从数据挖掘与人工智能基础开始，为读者建立起必要的理论框架。随后的项目对机器学习的核心技术和方法（包括环境搭建、线性模型、感知机与支持向量机，以及更为复杂的决策树和随机森林）进行深入讲解。此外，书中还详细探讨了聚类与降维技术，这些是理解大规模数据集中隐藏模式的关键技术。