人工智能技术开发实战指南.docVIP

人工智能技术开发实战指南

TOC\o1-2\h\u14722第1章人工智能基础概念 4

150981.1人工智能的定义与发展历程 4

268271.1.1定义 4

118021.1.2发展历程 5

4131.2人工智能的主要应用领域 5

117011.2.1自然语言处理 5

170811.2.2计算机视觉 5

205381.2.3机器学习与数据挖掘 5

145231.2.4技术 5

102611.3人工智能技术体系架构 5

29761.3.1硬件层 6

19601.3.2数据层 6

115911.3.3算法层 6

15841.3.4应用层 6

64861.3.5安全与伦理层 6

21681第2章编程语言与开发环境 6

63762.1常用编程语言介绍 6

111012.1.1Python 6

207072.1.2Java 6

69292.1.3C 7

225192.1.4R 7

112302.2开发环境搭建与配置 7

147362.2.1硬件环境 7

145212.2.2操作系统 7

136222.2.3编程环境 7

147872.3编程规范与调试技巧 8

179842.3.1编程规范 8

311832.3.2调试技巧 8

7615第3章数据处理与特征工程 8

227943.1数据采集与预处理 8

186913.1.1数据采集 8

35733.1.2数据预处理 8

207943.2特征提取与选择 9

79473.2.1特征提取 9

176413.2.2特征选择 9

252943.3数据降维与变换 9

251713.3.1数据降维 9

2763.3.2数据变换 9

46283.4数据可视化与展示 9

19823.4.1数据可视化 10

70203.4.2数据展示 10

30288第4章机器学习算法与应用 10

20654.1监督学习算法 10

324984.1.1线性回归 10

70544.1.2逻辑回归 10

289094.1.3决策树 10

88094.1.4随机森林 10

80974.1.5支持向量机 11

162944.2无监督学习算法 11

293094.2.1Kmeans聚类 11

213624.2.2层次聚类 11

280494.2.3主成分分析 11

112464.2.4自编码器 11

162854.3强化学习算法 11

310834.3.1Q学习 11

25244.3.2策略梯度 11

24734.3.3深度Q网络 11

304214.3.4异策学习 12

106964.4深度学习算法 12

84364.4.1卷积神经网络 12

197314.4.2循环神经网络 12

37764.4.3长短时记忆网络 12

181234.4.4自注意力机制 12

31205第5章神经网络与深度学习 12

60405.1神经网络基础 12

326215.1.1神经元模型 12

49485.1.2神经网络结构 12

27785.1.3反向传播算法 12

26285.2卷积神经网络 13

69165.2.1卷积运算 13

145865.2.2池化操作 13

140515.2.3CNN架构 13

72915.3循环神经网络 13

229575.3.1RNN基础 13

297865.3.2长短时记忆网络（LSTM） 13

63895.3.3门控循环单元（GRU） 13

191785.4对抗网络 13

73415.4.1GAN原理 13

234715.4.2GAN应用 14

515.4.3GAN的改进模型 14

12989第6章计算机视觉技术 14

114746.1图像处理基础 14

296046.1.1图像预处理 14

3636.1.2图像增强 14

279226.1.3图像复原 14

307386.1.4图像分割 14

16386.2目标检测技术 14

168686.2.1传统目标检测方法 15

160466.2.2深度学习目标检测