人工智能应用开发作业指导书.docVIP

人工智能应用开发作业指导书

TOC\o1-2\h\u4994第一章引言 3

127671.1人工智能概述 3

134531.2人工智能发展历程 4

317801.3人工智能应用领域 4

15279第二章人工智能基础知识 4

272732.1机器学习基础 4

174642.1.1机器学习概念 4

144372.1.2机器学习类型 4

318382.1.3机器学习算法 5

88092.2深度学习概述 5

82142.2.1深度学习概念 5

180662.2.2深度学习发展历程 5

265652.2.3深度学习关键技术 5

114312.3数据预处理与特征工程 6

289912.3.1数据预处理 6

9412.3.2特征工程 6

7662第三章人工智能算法与应用 6

174013.1监督学习算法 6

304963.1.1定义及原理 6

88993.1.2线性回归 6

291253.1.3逻辑回归 6

274983.1.4支持向量机（SVM） 7

299943.1.5决策树与随机森林 7

132603.2无监督学习算法 7

257123.2.1定义及原理 7

195473.2.2Kmeans聚类算法 7

104433.2.3主成分分析（PCA） 7

45633.2.4层次聚类算法 7

273583.3强化学习算法 7

137673.3.1定义及原理 7

234543.3.2Q学习 7

318313.3.3Sarsa学习 8

127073.3.4深度强化学习 8

8395第四章人工智能模型训练与优化 8

260794.1模型训练策略 8

245604.1.1数据预处理 8

212514.1.2数据增强 8

241654.1.3学习率调整 8

136014.1.4正则化 8

46624.2模型优化方法 8

131324.2.1网络结构优化 9

211164.2.2损失函数优化 9

110754.2.3优化算法选择 9

12464.2.4超参数调优 9

305704.3模型评估与调参 9

246084.3.1评估指标选择 9

270404.3.2交叉验证 9

133504.3.3调参策略 9

188694.3.4模型部署与监控 9

27412第五章计算机视觉应用开发 10

236865.1图像识别技术 10

216205.1.1技术原理 10

248455.1.2开发流程 10

47455.1.3应用案例 10

68905.2目标检测技术 10

8255.2.1技术原理 10

322975.2.2开发流程 10

23495.2.3应用案例 11

282495.3图像处理与分析 11

325405.3.1技术原理 11

212925.3.2开发流程 11

118765.3.3应用案例 11

5938第六章自然语言处理应用开发 11

110936.1文本分类技术 11

24256.1.1数据预处理 12

196696.1.2特征表示 12

84676.1.3模型选择与训练 12

251746.1.4模型评估与优化 12

229856.2机器翻译技术 12

87456.2.1数据收集与预处理 12

234416.2.2翻译模型选择与训练 12

234736.2.3翻译结果评估与优化 12

272596.3情感分析与实体识别 12

51356.3.1情感分析 13

192446.3.2实体识别 13

10550第七章语音识别与合成应用开发 13

266677.1语音识别技术 13

139567.1.1技术概述 13

98577.1.2技术原理 13

39317.1.3技术发展 14

32057.2语音合成技术 14

18737.2.1技术概述 14

132507.2.2技术原理 14

155867.2.3技术发展 14

18837.3语音识别与合成的应用场景 14

7257.3.1语音 14

67567.3.2语音翻译 15

96537.3.3语音识别