AI算法原理与应用实战手册.docVIP

算法原理与应用实战手册

TOC\o1-2\h\u21891第一章基础理论 3

314821.1人工智能概述 3

279201.2机器学习基本概念 3

50031.3深度学习原理 4

32081第二章线性代数与概率统计 4

281742.1线性代数基础 4

1532.1.1向量与矩阵 4

35512.1.2线性方程组与矩阵运算 5

322012.1.3特征值与特征向量 5

295782.2概率论与统计基础 5

234852.2.1随机事件与概率 5

145772.2.2离散随机变量与概率分布 6

187852.2.3连续随机变量与概率密度函数 6

91142.3优化算法简介 6

100542.3.1梯度下降算法 6

16452.3.2牛顿法和拟牛顿法 6

17632.3.3粒子群优化算法 6

22127第三章神经网络结构与训练 7

135513.1神经元模型 7

128563.2前馈神经网络 7

121463.3卷积神经网络 7

230953.4循环神经网络 7

11649第四章特征工程 8

184354.1特征提取 8

199124.2特征选择 8

177404.3特征降维 9

27197第五章模型评估与调优 9

100175.1评估指标 9

170895.2调整超参数 9

145075.3模型优化策略 10

32122第六章深度学习框架 10

308696.1TensorFlow框架 10

130856.1.1概述 10

98976.1.2核心概念 10

119196.1.3基本使用方法 10

193126.1.4高级特性 11

6416.2PyTorch框架 11

291536.2.1概述 11

278916.2.2核心概念 11

192906.2.3基本使用方法 11

327046.2.4高级特性 11

308336.3Keras框架 11

324196.3.1概述 11

177746.3.2核心概念 11

98176.3.3基本使用方法 12

244226.3.4高级特性 12

28100第七章计算机视觉应用 12

284917.1图像分类 12

64657.1.1基于传统机器学习的方法 12

129167.1.2基于深度学习的方法 12

311147.1.3领域应用 12

93197.2目标检测 12

150747.2.1基于传统方法的目标检测 12

112437.2.2基于深度学习的方法 13

36727.2.3领域应用 13

34957.3人脸识别 13

16357.3.1基于传统机器学习的方法 13

145667.3.2基于深度学习的方法 13

23457.3.3领域应用 13

26413第八章自然语言处理 13

36268.1词向量表示 13

35258.1.1概述 13

189908.1.2词向量表示方法 14

226428.1.3词向量应用 14

173118.2机器翻译 14

242868.2.1概述 14

232248.2.2机器翻译方法 14

47568.2.3机器翻译应用 15

276998.3文本分类 15

44648.3.1概述 15

108418.3.2文本分类方法 15

104818.3.3文本分类应用 15

26530第九章语音识别与合成 15

309369.1语音识别原理 15

225169.1.1概述 15

111249.1.2语音信号处理 16

297049.1.3语音识别模型 16

138249.1.4语音识别流程 16

118239.2语音合成技术 16

60909.2.1概述 16

325649.2.2语音合成方法 16

195089.2.3语音合成流程 17

193709.3语音识别与合成应用 17

23919.3.1语音 17

35349.3.2智能客服 17

130239.3.3实时翻译 17

111319.3.4电子阅读 17

19629第十章强化学习 17

1656