| 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：9787543348035 |
| 所属分类：图书>医学>内科学>心血管内科 |
重磅推荐
内容简介
《机器学习与强化学习 入门》共章，是一本面向 初学者的入门级指南，旨在 帮助读者从零基础掌握机器 学习、强化学习的核心理论 与实践技能。人工智能作为 一个新领域，包含大量新内 容、新理论、新算法及新应 用。本书以“问题驱动”为核 心理念，通过清晰的数学推 导、图解说明、大量的案例 及个人理解，构建“理论→ 算法→应用”的完整知识链 ，助力读者快速跨越强化学 习的高门槛。本书适合各大 高校人工智能相关专业师生 ，软件工程的初级开发者， 金融、医疗、工业等领域从 业者，以及对人工智能感兴 趣的人员参考阅读。
目 录
章 机器学习基础
节 人工智能和机器学习
第二节 聚类分析
第三节 主成分分析法
第二章 决策树与支持向量机
节 决策树
第二节 决策树剪枝
第三节 支持向量机
第四节 支持向量机对偶算法
第三章 神经网络基础
节 感知机
第二节 多层感知机
第三节 前馈网络反向传播算法
第四节 神经网络的层数和节点数章 机器学习基础
节 人工智能和机器学习
第二节 聚类分析
第三节 主成分分析法
第二章 决策树与支持向量机
节 决策树
第二节 决策树剪枝
第三节 支持向量机
第四节 支持向量机对偶算法
第三章 神经网络基础
节 感知机
第二节 多层感知机
第三节 前馈网络反向传播算法
第四节 神经网络的层数和节点数
第五节 泛化、过拟合和正则化
第四章 卷积神经网络与循环神经网络
节 卷积神经网络
第二节 卷积神经网络反向传播
第三节 卷积神经网络中的卷积运算
第四节 卷积神经网络案例——
第五节 循环神经网络
第五章 强化学习基础
节 强化学习及值函数
第二节 策略迭代法和值迭代法
第三节 蒙特卡洛法和时序差分法
第四节 强化学习简要总结
第六章 深度强化学习
节 学习算法
第二节 算法
第三节 策略梯度法
第四节 策略梯度法
第五节 算法
第七章 强化学习应用
节 蒙特卡洛树搜索
第二节 对弈的基本原理和方法
第三节 训练的基本原理和方法
第八章 与
节 的自注意力机制
第二节 模型——机器翻译
第三节 的基本工作原理
第四节 的预训练
第五节 的微调
第六节 排序模型的算法
第七节 算法
第八节 交叉熵损失函数
附录
附录 线性代数入门
附录 概率论入门
附录 微积分入门
附录 微积分入门
显示全部信息
商品详情
基本信息（以实物为准）
商品名称：机器学习与强化学习入门
作者：编者关嘉峪 定 开
出版社：天津科译 号 页数
出版时间 版次 商品类型：图书
印刷时间 印次
内容简介
《机器学习与强化学习 入门》共章，是一本面向 初学者的入门级指南，旨在 帮助读者从零基础掌握机器 学习、强化学习的核心理论 与实践技能。人工智能作为 一个新领域，包含大量新内 容、新理论、新算法及新应 用。本书以“问题驱动”为核 心理念，通过清晰的数学推 导、图解说明、大量的案例 及个人理解，构建“理论→ 算法→应用”的完整知识链 ，助力读者快速跨越强化学 习的高门槛。本书适合各大 高校人工智能相关专业师生 ，软件工程的初级开发者， 金融、医疗、工业等领域从 业者，以及对人工智能感兴 趣的人员参考阅读。
目 录
章 机器学习基础
节 人工智能和机器学习
第二节 聚类分析
第三节 主成分分析法
第二章 决策树与支持向量机
节 决策树
第二节 决策树剪枝
第三节 支持向量机
第四节 支持向量机对偶算法
第三章 神经网络基础
节 感知机
第二节 多层感知机
第三节 前馈网络反向传播算法
第四节 神经网络的层数和节点数章 机器学习基础
节 人工智能和机器学习
第二节 聚类分析
第三节 主成分分析法
第二章 决策树与支持向量机
节 决策树
第二节 决策树剪枝
第三节 支持向量机
第四节 支持向量机对偶算法
第三章 神经网络基础
节 感知机
第二节 多层感知机
第三节 前馈网络反向传播算法
第四节 神经网络的层数和节点数
第五节 泛化、过拟合和正则化
第四章 卷积神经网络与循环神经网络
节 卷积神经网络
第二节 卷积神经网络反向传播
第三节 卷积神经网络中的卷积运算
第四节 卷积神经网络案例——
第五节 循环神经网络
第五章 强化学习基础
节 强化学习及值函数
第二节 策略迭代法和值迭代法
第三节 蒙特卡洛法和时序差分法
第四节 强化学习简要总结
第六章 深度强化学习
节 学习算法
第二节 算法
第三节 策略梯度法
第四节 策略梯度法
第五节 算法
第七章 强化学习应用
节 蒙特卡洛树搜索
第二节 对弈的基本原理和方法
第三节 训练的基本原理和方法
第八章 与
节 的自注意力机制
第二节 模型——机器翻译
第三节 的基本工作原理
第四节 的预训练
第五节 的微调
第六节 排序模型的算法
第七节 算法
第八节 交叉熵损失函数
附录
附录 线性代数入门
附录 概率论入门
附录 微积分入门
附录 微积分入门
显示全部信息
商品详情
基本信息（以实物为准）
商品名称：机器学习与强化学习入门
作者：编者关嘉峪 定 开
出版社：天津科译 号 页数
出版时间 版次 商品类型：图书
印刷时间 印次