人工智能算法开发与应用作业指导书.docVIP

人工智能算法开发与应用作业指导书

TOC\o1-2\h\u7162第一章绪论 3

62851.1人工智能概述 3

132461.2算法开发流程 4

19036第二章机器学习基础 4

156452.1监督学习 4

131812.1.1概述 4

197482.1.2分类任务 5

40382.1.3回归任务 5

182542.1.4模型评估与选择 5

224922.2无监督学习 5

83082.2.1概述 5

145452.2.2聚类算法 5

139472.2.3降维算法 5

209112.2.4关联规则挖掘 5

189872.3强化学习 5

118662.3.1概述 5

217862.3.2策略学习 6

292862.3.3值函数学习 6

9092.3.4模型学习 6

31712第三章数据预处理与特征工程 6

68453.1数据清洗 6

176893.1.1概述 6

56003.1.2缺失值处理 6

178973.1.3异常值检测与处理 6

227583.1.4重复记录处理 6

225453.2特征提取 7

35433.2.1概述 7

326733.2.2线性特征提取方法 7

107813.2.3非线性特征提取方法 7

162663.2.4深度学习特征提取方法 7

172333.3特征选择 7

91573.3.1概述 7

223373.3.2过滤式特征选择方法 7

137513.3.3包裹式特征选择方法 7

23723.3.4嵌入式特征选择方法 7

29887第四章神经网络与深度学习 8

100124.1前馈神经网络 8

317514.2卷积神经网络 8

66434.3循环神经网络 8

2067第五章模型训练与优化 9

195135.1损失函数 9

249995.1.1均方误差（MSE） 9

49685.1.2交叉熵损失（CrossEntropyLoss） 9

84415.1.3三元组损失（TripletLoss） 9

258505.2优化算法 10

49365.2.1梯度下降（GradientDescent） 10

61745.2.2随机梯度下降（StochasticGradientDescent，SGD） 10

77555.2.3Adam 10

168695.3模型评估 11

61785.3.1准确率（Accuracy） 11

266225.3.2精确率（Precision） 11

326745.3.3召回率（Recall） 11

261755.3.4F1分数（F1Score） 11

8249第六章模型部署与测试 11

14206.1模型部署方法 12

178536.1.1本地部署 12

304286.1.2云端部署 12

20156.1.3边缘计算部署 12

152036.2测试与调试 12

128346.2.1功能测试 12

28696.2.2功能测试 13

134346.2.3调试 13

55996.3功能优化 13

107596.3.1模型压缩 13

53076.3.2硬件加速 13

119116.3.3网络优化 13

94976.3.4数据预处理 13

164986.3.5系统优化 13

20587第七章计算机视觉应用 14

73917.1图像识别 14

69367.1.1概述 14

111687.1.2基本原理 14

303717.1.3方法与技术 14

13377.1.4应用案例分析 14

67257.2目标检测 14

106607.2.1概述 14

74767.2.2基本原理 14

301937.2.3方法与技术 15

184647.2.4应用案例分析 15

62247.3图像分割 15

326967.3.1概述 15

320087.3.2基本原理 15

307707.3.3方法与技术 15

174967.3.4应用案例分析 15

8742第八章自然语言处理应用 15

42038.1文本分类 15

8348.1