第1章 緒論
1.1 AI的歷史起源
1.2 什么是智能與AI
1.3 人工智能的分類(lèi)
1.4 人工智能和大數(shù)據(jù)
第2章 Python基礎(chǔ)知識(shí)
2.1 Python虛擬環(huán)境與庫(kù)安裝方法
2.2 Python流程控制語(yǔ)法
2.3 列表、元組、字典與集合
2.4 Python函數(shù)
2.5 面向?qū)ο缶幊?br />第3章 模型評(píng)估及模型
3.1 向量矩陣和數(shù)組
3.2 索引、切片和迭代
3.3 Pandas數(shù)據(jù)整理
3.4 Pandas的Series數(shù)據(jù)結(jié)構(gòu)
3.5 Pandas的DataFrame數(shù)據(jù)結(jié)構(gòu)
3.6 數(shù)據(jù)加載、存儲(chǔ)與文件格式
3.7 數(shù)據(jù)清洗和準(zhǔn)備
3.8 圖像數(shù)據(jù)讀取與處理
3.9 數(shù)據(jù)可視化基礎(chǔ)
3.10 數(shù)據(jù)可視化折線(xiàn)圖、柱狀圖、散點(diǎn)圖
第4章 機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)
4.1 模式識(shí)別、機(jī)器學(xué)習(xí)的區(qū)別與聯(lián)系
4.2 什么是機(jī)器學(xué)習(xí)
4.3 機(jī)器學(xué)習(xí)的專(zhuān)業(yè)術(shù)語(yǔ)、開(kāi)發(fā)流程與工具
4.4 機(jī)器學(xué)習(xí)基礎(chǔ)補(bǔ)充
4.5 多項(xiàng)式曲線(xiàn)擬合
4.6 k-近鄰算法
4.7 K-Means(K-均值)、聚類(lèi)算法
4.8 利用PCA來(lái)簡(jiǎn)化數(shù)據(jù)
4.9 神經(jīng)網(wǎng)絡(luò)
4.10 Torch運(yùn)算
4.11 Pytorch搭建神經(jīng)網(wǎng)絡(luò)
4.12 保存和加載模型
第5章 MNIST識(shí)別及圖像分類(lèi)
5.1 MNIST手寫(xiě)數(shù)字識(shí)別
5.2 MNIST圖像分類(lèi)
參考文獻(xiàn)