目录

第1章机器学习导论

1.1机器学习的定义

1.2机器学习的发展

1.2.1浅层学习阶段

1.2.2深层学习阶段

1.3机器学习的分类

1.4机器学习的研究领域

1.5人工智能、机器学习与深度学习的关系

小结

思考题

第2章Python编程基础

2.1数据分析与数据可视化

2.1.1数据分析的定义

2.1.2Python数据分析与可视化常用包

2.2Python编程环境

2.2.1Jupyter Notebook简介及安装

2.2.2第三方包的管理

2.2.3Jupyter Notebook的使用

2.2.4TensorFlow的安装

2.3Python编程基础串讲

2.3.1print输出方法

2.3.2变量

2.3.3数据类型

2.3.4数字数据类型

2.3.5基本运算

2.3.6字符串

2.3.7列表

2.3.8元组

2.3.9字典

2.3.10集合

2.3.11选择结构

2.3.12循环结构

2.4TensorFlow编程基础

2.4.1计算图

2.4.2张量

2.4.3操作

2.4.4会话

2.4.5常量与变量

2.4.6占位符

小结

思考题

第3章机器学习编程理论基础

3.1机器学习常用工具简介

3.1.1NumPy

3.1.2SciPy

3.1.3Matplotlib

3.1.4Pandas

3.1.5Scikitlearn

3.1.6PIL： Python图像处理类库

3.1.7OpenCV

3.2机器学习模型

3.3机器学习算法的选择和实现步骤

3.4机器学习工具SKlearn

3.4.1SKlearn数据预处理

3.4.2SKlearn数据集的拆分

3.4.3模型选择与训练

3.4.4模型预测与性能评估

3.4.5SKlearn模型训练实例

小结

思考题

第4章KNN分类算法

4.1KNN分类

4.2KNN分类算法实例

4.2.1鸢尾花数据集分类

4.2.2KNN手写数字光学识别

小结

思考题

第5章KMeans聚类算法

5.1KMeans聚类算法原理

5.2KMeans聚类算法特点及应用

5.3KMeans聚类算法实例

5.3.1自建数据集聚类

5.3.2客户分组画像

小结

思考题

第6章支持向量机

6.1支持向量机的原理

6.1.1线性可分的支持向量机

6.1.2非线性可分的支持向量机

6.2核函数

6.2.1核函数简介

6.2.2如何选择合适的核函数

6.3SVM算法实例

6.3.1支持向量回归

6.3.2时间序列曲线预测

小结

思考题

第7章决策树与随机森林

7.1决策树

7.1.1决策树的基本原理

7.1.2常见的决策树算法

7.1.3决策树算法的优缺点

7.1.4决策树算法实例

7.2随机森林

7.2.1随机森林的基本原理

7.2.2随机森林算法训练流程

7.2.3随机森林算法的优缺点

7.2.4决策树算法实例

小结

思考题

第8章回归分析

8.1回归分析的基本概念

8.2线性回归分析

8.2.1一元线性回归

8.2.2多元线性回归

8.2.3线性回归实例

小结

思考题

第9章神经网络

9.1神经元

9.2激活函数

9.3神经网络类型

9.4标准BP神经网络算法原理

9.5BP神经网络在MNIST手写体识别的应用

小结

思考题

第10章卷积神经网络

10.1卷积神经网络结构

10.1.1卷积层

10.1.2池化层

10.1.3全连接层

10.2卷积神经网络的训练

10.3卷积神经网络特性

10.4卷积神经网络实现图像识别的示例

小结

思考题

第11章Transformer深度神经网络

11.1Transformer结构和工作原理

11.2Transformer中的注意力机制

11.3Transformer的训练

11.4Transformer的文本翻译示例

小结

思考题

第12章图神经网络

12.1图神经网络的基础概念

12.1.1图的定义

12.1.2图的分类

12.2图神经网络的基本原理

12.3图神经网络实例

小结

思考题

第13章生成对抗神经网络

13.1GAN基本原理

13.2GAN的几种结构

13.3GAN实例

小结

思考题