机读格式显示(MARC)

• 000 02020nam 2200337 450

• 001 0000615773

• 005 20241212081500.0

• 010 __ |a 978-7-5643-9654-1 |d CNY32.00

• 100 __ |a 20240710d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 510000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 人工智能与机器学习实训教程 |A ren gong zhi neng yu ji qi xue xi shi xun jiao cheng |i 初级 |f 唐鹏 ... [等] 编著

• 210 __ |a 成都 |c 西南交通大学出版社 |d 2024.04

• 215 __ |a 151页 |c 图 |d 26cm

• 225 2_ |a 四川省产教融合示范项目系列教材 |A si chuan sheng chan jiao rong he shi fan xiang mu xi lie jiao cai

• 304 __ |a 题名页题其余责任者: 黄德青, 秦娜, 权伟

• 320 __ |a 有书目 (第151页)

• 330 __ |a 本书内容包括: 第一部分包括第1章-第3章, 介绍实验的准备工作, 主要包括Python语言、Anaconda发行版、JupyterNotebook交互式计算环境、Markdown语法等基础概念和使用方法。第二部分包括第4章-第8章, 介绍Python语言及其科学计算相关库的使用。其中, 科学计算相关库包括NumPy和SciPy科学计算库、Matplotlib数据可视化库、Pandas数据分析工具和SymPy符号运算库等。第三部分包括第9章-第14章, 介绍以符号主义为代表的经典人工智能技术, 包括状态空间搜索、图的遍历、最短路径算法、AI搜索算法、对抗搜索算法和基于Neo4J的知识图谱构建。第四部分包括第15章-第21章, 介绍以scikit-learn为基础的机器学习算法。实验内容包括K-means、PCA、KNN、线性回归、逻辑回归、朴素贝叶斯等机器学习经典算法。第五部分包括第22章-第26章, 介绍基于PyTorch的深度学习框架和应用, 包括张量Tensor的概念和使用、神经网络的构建和训练及各种经典的主干网络等。第六部分包括第27章和第28章, 旨在介绍轨道交通应用实践中的智能信息处理问题, 引导学生开展面向轨道交通应用的综合性实践。

• 410 _0 |1 2001 |a 四川省产教融合示范项目系列教材

• 517 1_ |a 初级 |A chu ji

• 606 0_ |a 人工智能 |A ren gong zhi neng |j 教材

• 606 0_ |a 机器学习 |A ji qi xue xi |j 教材

• 690 __ |a TP18 |v 5

• 701 _0 |a 唐鹏 |A tang peng |4 编著

• 701 _0 |a 黄德青 |A huang de qing |4 编著

• 701 _0 |a 秦娜 |A qin nuo |4 编著

• 701 _0 |a 权伟 |A quan wei |4 编著

• 801 _0 |a CN |b 人天书店 |c 20240710

• 905 __ |a WXCSXY |d TP18/931:1