更新时间：2022-07-27 18:51:33
封面
版权信息
内容简介
作者简介
前言
机器学习基础知识篇
第1章 人工智能概述
第2章 机器学习中的数学基础
第3章 机器学习模型的度量指标
经典机器学习篇
第4章 回归算法
第5章 K-NN算法
第6章 k-means
第7章 朴素贝叶斯
第8章 决策树和随机森林
第9章 支持向量机
第10章 PCA降维
第11章 集成学习
深度学习进阶篇
第12章 深度神经网络
第13章 卷积神经网络
第14章 RNN与LSTM
第15章 深度强化学习
第16章 MCTS
机器学习应用实践及相关原理
第17章 数据集的建设
第18章 CNN训练技巧
第19章 CV和视觉识别经典模型
第20章 自然语言处理和CNN
第21章 自然语言处理和CNN
第22章 软件自动修复
第23章 基于强化学习的经典应用——AlphaGO
机器学习平台篇
第24章 分布式机器学习框架基础知识
第25章 Tensorflow
第26章 Caffe
第27章 scikit-learn
第28章 主流AI云平台
第29章 图像处理基础
第30章 程序切片技术
第31章 人工智能概述
参考文献
