人工智能导论实验

人工智能导论实验
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2020-05
ISBN: 9787113267513
定价: 34.00
装帧: 其他
11人买过
  • 本书是“人工智能导论”课程的辅助实验性教材,配合主教材《人工智能导论》(徐洁磐编著,中国铁道出版社有限公司出版)一起使用。全书共5章:其中,第1章主要对实验平台进行介绍,第2~4章主要对平台的工具进行介绍,如Python、Numpy、TensorFlow、PyTorch等,第5章主要介绍与人工智能相关的11个实验,如人工神经网络、决策树、深度学习、计算机视觉等。本书坚持操作性、解释性、趣味性的编写原则,旨在通过实验操作实现对理论知识的进一步认知与理解,调动起读者对人工智能应用的兴趣,提高学习积极性,调剂理论课程的枯燥性。本书适合作为高等院校人工智能、计算机类专业及相关专业“人工智能”实验课程的教材及相关培训用教材,也可作为人工智能应用、开发人员的基础操作实践参考书籍。 

    余萍,博士,南京大学副教授。多年来一直从事面向开放环境下的软件开发方法及动态演化技术方面的研究。曾主持国家自然科学基金青年基金一项,作为骨干人员参加了国家973项目、863项目、国家重点研发计划等多项科研项目。在《Pervasive and Mobile Computing》《Lecture Notes in Computer Science》《Science China Information Sciences》《软件学报》《计算机学报》等国内外重要刊物以及ASE、SEKE、UIC、APSEC、COMPSAC等国际会议上发表论文四十余篇。 第1章实验平台 

    1.1云的基本概念 

    1.2私有云平台 

    1.3公有云平台 

    第2章Python程序设计及机器学习软件包 

    2.1Python简介 

    2.2NumPy简介 

    2.3Pandas简介 

    2.4MatplotLib简介 

    2.5Scikit-learn简介 

    第3章常见的人工智能工具 

    3.1TensorFlow简介 

    3.2PyTorch简介 

    3.3Keras 简介 

    3.4Caffe2简介 

    3.5Prolog简介 

    3.6搜索策略工具简介 

    第4章实验数据 

    第5章实验 

    实验1知识获取之搜索策略 

    实验2知识获取之推理方法 

    实验3人工神经网络 

    实验4决策树 

    实验5关联学习 

    实验6聚类学习 

    实验7强化学习 

    实验8深度学习 

    实验9知识图谱 

    实验10计算机视觉 

    实验11自然语言处理 

    附录A课后习题答案 

    附录B实验平台安装指南 

    参考文献
  • 内容简介:
    本书是“人工智能导论”课程的辅助实验性教材,配合主教材《人工智能导论》(徐洁磐编著,中国铁道出版社有限公司出版)一起使用。全书共5章:其中,第1章主要对实验平台进行介绍,第2~4章主要对平台的工具进行介绍,如Python、Numpy、TensorFlow、PyTorch等,第5章主要介绍与人工智能相关的11个实验,如人工神经网络、决策树、深度学习、计算机视觉等。本书坚持操作性、解释性、趣味性的编写原则,旨在通过实验操作实现对理论知识的进一步认知与理解,调动起读者对人工智能应用的兴趣,提高学习积极性,调剂理论课程的枯燥性。本书适合作为高等院校人工智能、计算机类专业及相关专业“人工智能”实验课程的教材及相关培训用教材,也可作为人工智能应用、开发人员的基础操作实践参考书籍。 

  • 作者简介:
    余萍,博士,南京大学副教授。多年来一直从事面向开放环境下的软件开发方法及动态演化技术方面的研究。曾主持国家自然科学基金青年基金一项,作为骨干人员参加了国家973项目、863项目、国家重点研发计划等多项科研项目。在《Pervasive and Mobile Computing》《Lecture Notes in Computer Science》《Science China Information Sciences》《软件学报》《计算机学报》等国内外重要刊物以及ASE、SEKE、UIC、APSEC、COMPSAC等国际会议上发表论文四十余篇。
  • 目录:
    第1章实验平台 

    1.1云的基本概念 

    1.2私有云平台 

    1.3公有云平台 

    第2章Python程序设计及机器学习软件包 

    2.1Python简介 

    2.2NumPy简介 

    2.3Pandas简介 

    2.4MatplotLib简介 

    2.5Scikit-learn简介 

    第3章常见的人工智能工具 

    3.1TensorFlow简介 

    3.2PyTorch简介 

    3.3Keras 简介 

    3.4Caffe2简介 

    3.5Prolog简介 

    3.6搜索策略工具简介 

    第4章实验数据 

    第5章实验 

    实验1知识获取之搜索策略 

    实验2知识获取之推理方法 

    实验3人工神经网络 

    实验4决策树 

    实验5关联学习 

    实验6聚类学习 

    实验7强化学习 

    实验8深度学习 

    实验9知识图谱 

    实验10计算机视觉 

    实验11自然语言处理 

    附录A课后习题答案 

    附录B实验平台安装指南 

    参考文献
查看详情
12