机器学习应用实战教与学（学制）

/p>

6

专业课程的遴选与优异成绩认定

（一） 遴选形式

本专业课程遴选以检验师生技能培养能够达成为主要目的，以检查师生对各基本知识点的把握状况和层面技能为重点副标题，专业课程总优异成绩由平时优异成绩、检验优异成绩和期末优异成绩合组，专业课程总优异成绩 = 平时优异成绩 + 检验优异成绩 + 期末优异成绩，专业课程总评优异成绩前日总称100分。其之前，平时优异成绩由（功课）日常显出和功课解说历史记录合组，考察特殊教育操作过程之前师生对基本知识点的解释和把握程度；检验优异成绩为课内检验的报告优异成绩；期末优异成绩通过遴选专业课程大需的形式给出。各一小遴选副标题及所占数目如下表简述：

（二）遴选与赞赏规范

1. 检验报告遴选与赞赏规范

检验报告主要遴选师生对相应当基本知识点的解释程度、实质层面技能，每次报告评分规范（百分制）如下表简述：

2. 功课解说、日常显出遴选与赞赏规范

1）日常显出：主要考察师生约束研读涉及规定，按时参加功课研读的状况。迟到、早退一次扣 1分，旷课一次扣2分。

2）功课解说：就所上功课副标题、基本知识点随装置点师生回答，根据解决办法难易和师生回答状况同步进行赞赏打分并做好历史记录。

3. 期末考试遴选与赞赏规范

期末遴选方式为遴选专业课程大需，可科学论文AI在本工程技术之前科学研究层面和其发展趋势，或以AI工具解决本工程技术某一科学科研人员提交检验报告及源编译器，专业课程大需赞赏规范同检验报告赞赏规范。

7

专业课程能够达成度赞赏工具与修改装置制

（一）专业课程能够达成度赞赏工具：期末试题之前全部为简答题。专业课程能够、肄业要求高效率点与遴选优异成绩的也就是说当关；也如下表简述：

（二）修改装置制

高年级、该大学特殊教育督导组，；也专业课程共享资源的特殊教育质量管理人员，专责组织和试行对专业课程特殊教育操作过程与结果的赞赏社会活动。主要预防措施有：三级联合数据分析报告、操作过程监视、归纳与赞赏、持续性修改。

1）三级联合数据分析报告：高年级、该大学、；也三级联合数据分析报告。每年度同步进行一次专业课程数据分析报告，从专业课程能够、副标题、特殊教育试行、特殊教育人力资源建设工程、特殊教育效果等同步进行全方位的赞赏，重申存有解决办法和修改敦促。

2）操作过程监视：该大学质量监视该委员会、各级领导干部及随行试行该大学为统一的校外制度，监视特殊教育试行操作过程并同步进行调谐。研习期间定位师生同步进行问卷调查，知晓毕业生研习效果及教材等人力资源的限于状况，并同步进行调谐。

3）归纳与赞赏：专业课程遴选结束后，各专业课程组同步进行试卷数据分析和专业课程归纳，针对师生对专业课程把握的状况，重申目前存有的解决办法和后续修改的预防措施。

4）持续性修改：总合如上的数据分析报告调谐、校外调谐、师生调谐、专业课程归纳，汇总各特别的意见和敦促，在专业课程能够、专业课程大学时代、专业课程、研习工具、遴选方式、人力资源建设工程等特别同步进行持续性修改。

8

敦促限于教材及特殊教育参考书

敦促限于教材:

1. 《AI层面实战》，刘袁缘等，清华大学出版社，2022年

敦促的简要：

1.《Introduction to machine learning》，Ethem Alpaydin，The MIT Press，2020

2.《Pattern Recognition and Machine Learning》，Christopher M Bishop，Springer，2011

✦

专业课程用书

✦

《AI层面实战》

编者：刘袁缘 李圣文 方芳 主编 周顺平 万波 蒋良孝 叶亚琴 杨林 左泽均 副主编

定价：49.9元

扫码优惠购书

应当用取材

近十年，随着大数据集应当用、AI、数据集挖掘、数据集科学以及AI等层面的其发展与发端，掀起一场更进一步应当用革命，各行各业对AI涉及人材的需求也随之而来。AI作为自然科学与集成电路的交叉学科，宗旨培养集自然科学数据分析和集成电路程序设计于一体的优秀人材，为了让当于现阶段AI的高速其发展。

本书写作目的

本书的编写宗旨试图大量对AI和数据集挖掘层面很感兴趣的读者群朋友，整合并层面时下最流行的基于Python语言的AI程序库，如scikitlearn、PyTorch等； 针对现实之前的科研解决办法，甚至是中小企业犯罪行为、Kaggle对抗赛(现阶段最流行的AI对抗赛网络服务)之前的层面使命，快速摆设有效率的AI；也统。

本书每一章都描述一个当代的AI工具及其方法论本土化犯罪行为。编者在充分请教了工具的观点基础性上，进一步通过层面犯罪行为手把手地教读者群如何摆设一个AI框架及其层面。

本书力求减少读者群对程序设计技能和自然科学基本知识的过分依赖，进而下降解释本书与层面AI框架的门槛，并试图让愈来愈多的兴趣爱好者体会到限于当代框架以及愈来愈最前沿的厚度研读框架的乐趣。

本书主要副标题

本书可被看做一本以解决办法为应运而生的书籍，；还有具备一定自然科学基础性和集成电路程序设计基础性的读者群研读。读者群可以在短时间内内研读本书之前详述的所有迭代。

作为一本关于AI层面实战的书籍，本书总称三一小，有数基础性篇、总合篇和扩展篇，共15章。

第二部总称基础性篇，有数第1~8章。

第1章为AI基础性，首先简要阐述AI的涉及使命，并对AI之前类似于的术语同步进行了请教； 然后详述了AI最类似于的程序设计语言与生态；也统，展示出了Python的安装、限于工具和PyTorch框架。

第2章为数据集重构，围绕数据集重构的基本原理和层面展开，有数数据集清洗、数据集匹配和数据集压缩应当用。先前在方法论本土化环节，通过一个数据集重构层面犯罪行为科学实验了如何利用PCA同步进行降维数据分析。

第3章为直观分类法迭代，围绕分类法迭代的入门和层面展开，详述了两种当代的分类法迭代——简约量本土化分类法迭代和KNN分类法迭代。在方法论本土化环节，通过一个层面犯罪行为科学实验了如何限于KNN同步进行凯瑟分类法。

第4章为程序语言，详述了程序语言的入门和涉及迭代，主要有数程序语言的前提方法论、各项政策高效率、程序语言剪枝和当代的程序语言迭代。在方法论本土化环节，详述了如何限于scikitlearn发挥作用程序语言，并通过限于凯瑟数据集集做分类法，科学实验了基于程序语言的凯瑟数据集分类法以及可视本土化结果的原始操作过程。

第5章为背书内积装置，首先详述了背书内积装置的前提基本原理： 通过核子工具，将数据集映射到高维空间获得两条路差分各项政策边界，日后映射到低维空间获得非两条路差分各项政策边界。该工具在解决非两条路差分分类法解决办法上有很好的效果。然后详述了背书内积装置类似于的核子参数。先前科学实验了基于SVM的异或数据集集分类法犯罪行为。

第6章为重返数据分析，详述了几种类似于的重返框架及其前提基本原理和数据分析报告工具，请教了如何限于Python发挥作用这些重返框架。先前，以基于随装置丛林的失业率分析作为层面犯罪行为，展示出了一个原始的重返数据分析操作过程。

第7章为聚类数据分析，详述了聚类数据分析的前提方法论，并详细详述了3种有所不同的聚类迭代及其层面犯罪行为，即Kmeans、层面聚类和DBSCAN层面犯罪行为。

第二部总称总合篇，有数第9~12章。

第10章为基于RNN的序列数据集分类法，首先请教了RNN的其发展和结构上、序列数据集的结构上，并列举了4种与输入输出PDF涉及的RNN框架在结构上。接着限于PyTorch直观摆设了一个LSTM框架，并展示出了通过该框架构建LSTM的框架在结构上以及隐含状态的输出。先前结合详细编译器详述了基于LSTM的脚注分类法。

第11章为基于GNN的脚注分类法，从GNN的基础性方法论出发，从基本原理上详述了GNN的结构上，描述了GCN的编译器发挥作用，先前以一个脚注分类法的TextGCN框架为例，科学实验GNN的基本限于工具。

第12章为基于GAN的图表转本土化，首先详述了GAN的前提基本原理、框架在结构上、能够参数，以及GAN的特训程序。接着通过PyTorch摆设一个尤其直观的GAN。先前通过限于FashionMNIST数据集集发挥作用GAN尤其最常的层面——GAN的图表转本土化。

第二部总称扩展篇，有数第13~15章。

第13章为基于搜索引擎飞桨的收费站两条路线扫描，首先详述了搜索引擎飞桨厚度研读网络服务和AI Studio网络服务，然后详述了如何在AI Studio网络服务创建计划，先前以收费站两条路线扫描使命为层面犯罪行为。

第14章为基于旷视九宫MegEngine的能够扫描，首先详述了旷视九宫MegEngine网络服务，有数整体架构和网络服务结构上，然后详述了MegEngine网络服务限于工具，先前以MSCOCO能够扫描使命为层面犯罪行为，展示出基于MegEngine网络服务的框架构建、特训与次测试的操作过程。

第15章为AI对抗赛网络服务方法论本土化，详述了国内外两项当今对抗赛——Kaggle对抗赛和天池大数据集对抗赛，并详述了两项比赛之前的当代赛题。

上下滚动核子对 ↓

清单

第二一小基础性篇

第1章AI基础性

1.1AI详述

1.1.1AI使命

1.1.2重要方法论

1.1.3可靠性数据分析报告

1.2程序设计语言与生态；也统

1.2.1Python概要

1.2.2Python生态；也统；也统设计与安装

1.2.3PythonAI程序设计库

1.2.4PyTorch框架

第2章数据集重构

2.1数据集清洗

2.1.1其会值处理

2.1.2离群值扫描

2.2数据集匹配

2.2.1数字本土化

2.2.2离散本土化

2.2.3举例来说

2.2.4个数匹配

2.3数据集压缩

2.3.1降维

2.3.2范例同样和采样

2.4层面犯罪行为： 基于PCA的数据集降维

2.4.1数据集集

2.4.2PCA降维

2.4.3犯罪行为结果及数据分析

第3章直观分类法迭代

3.1简约量本土化分类法迭代

3.2KNN分类法迭代

3.2.1KNN迭代发挥作用基本原理

3.2.2KNN迭代发挥作用步骤

3.2.3KNN迭代优缺点

3.3层面犯罪行为：KNN分类法

3.3.1数据集集

3.3.2构建KNN分类法器

3.3.3犯罪行为结果及数据分析

第4章程序语言

4.1程序语言框架

4.2特征同样

4.2.1特征和数据集界定

4.2.2界定规范

4.3程序语言转本土化迭代

4.3.1ID3程序语言转本土化迭代

4.3.2C4.5程序语言转本土化迭代

4.4CART迭代

4.4.1程序语言的剪枝

4.4.2CART转本土化迭代

4.4.3CART剪枝迭代

4.5层面犯罪行为： 基于程序语言的凯瑟图表分类法

4.5.1数据集集

4.5.2构建程序语言

4.5.3犯罪行为结果及数据分析

第5章背书内积装置

5.1背书内积装置的前提基本原理

5.1.1两条路差分可分

5.1.2最大有规律解决办法

5.1.3背书内积

5.2类似于核子参数

5.2.1两条路差分核子参数

5.2.2欧拉核子参数

5.2.3乘积核子参数

5.3层面犯罪行为： 基于SVM的异或数据集集界定

5.3.1数据集集及数据集重构

5.3.2构建SVM分类法器

5.3.3犯罪行为结果及数据分析

第6章重返数据分析

6.1两条路差分重返

6.1.1直观两条路差分重返

6.1.2多元两条路差分重返

6.2乘积重返

6.3埃尔米特本土化重返

6.3.1岭重返

6.3.2很小绝对屈曲与同样等价

6.3.3弹性网络

6.4随装置丛林重返

6.5重返框架的可靠性数据分析报告

6.6重返框架的发挥作用

6.6.1两条路差分重返发挥作用

6.6.2乘积重返发挥作用

6.6.3埃尔米特本土化重返发挥作用

6.6.4随装置丛林重返发挥作用

6.7层面犯罪行为： 基于随装置丛林的失业率分析

6.7.1数据集集

6.7.2数据集重构

6.7.3随装置丛林重返框架建立

6.7.4犯罪行为结果及数据分析

第7章聚类数据分析

7.1聚类详述

7.1.1可靠性微分

7.1.2距离计算

7.2Kmeans迭代

7.3层面聚类

7.4密度聚类

7.4.1DBSCAN涉及方法论

7.4.2DBSCAN迭代程序

7.5层面犯罪行为

7.5.1Kmeans层面犯罪行为

7.5.2层面聚类层面犯罪行为

7.5.3DBSCAN层面犯罪行为

第8章人脑与多层感知装置

8.1神经元框架

8.2感知装置基本原理及在结构上

8.2.1单层感知装置

8.2.2多层感知装置

8.2.3反向传播迭代

8.3.1数据集集及数据集重构

8.3.2三层感知装置构建

8.3.3犯罪行为结果及数据分析

第二一小总合篇

9.1CNN的前提合组

9.1.1频域运算前提操作过程

9.1.2多通道频域

9.1.3池本土化

9.2CNN框架概要

9.3基于PyTorch构建CNN

9.4.1数据集集

9.4.2数据集重构

9.4.3摆设频域人脑

9.4.4犯罪行为结果及数据分析

第10章基于RNN的序列数据集分类法

10.1定位序列数据集的AI

10.1.1RNN涉及取材基本知识

10.1.2序列数据集

10.1.3序列数据集与建模

10.2RNN的类似于网络在结构上

10.2.1前提在结构上

10.2.2直观循环；也统网络框架

10.2.3门控迭代框架

10.3基于PyTorch构建LSTM

10.4层面犯罪行为： 基于LSTM的脚注分类法

10.4.1数据集准备好

10.4.2框架构建和发挥作用

10.4.3特训框架

10.4.4次测试框架

第11章基于GNN的脚注分类法

11.1GNN基础性

11.1.1GNN框架概要

11.1.2GCN框架概要

11.2GCN构建

11.2.1编译器层面在结构上

11.2.2编译器发挥作用

11.3层面犯罪行为： 基于GCN的脚注分类法

11.3.1TextGCN详述

11.3.2基于TextGCN的脚注分类法

11.3.3犯罪行为结果及数据分析

第12章基于GAN的图表转本土化

12.1GAN详述

12.1.1自编码器

12.1.2转本土化框架

12.1.3GAN前提基本原理

12.1.4GAN框架在结构上

12.1.5GAN的两种能够参数

12.1.6GAN的特训

12.2基于PyTorch构建GAN

12.2.1网络在结构上

12.2.2基于PyTorch建立GAN框架

12.3层面犯罪行为： 基于GAN的图表转本土化

12.3.1FashionMNIST数据集集

12.3.2数据集重构

12.3.3摆设GAN框架

12.3.4犯罪行为结果及数据分析

第二一小扩展篇

第13章基于搜索引擎飞桨的收费站两条路线扫描

13.1搜索引擎飞桨网络服务概要

13.2搜索引擎AI Studio网络服务概要

13.3限于AI Studio网络服务创建第一个计划

13.4层面犯罪行为： 收费站两条路线扫描

13.4.1收费站两条路线扫描数据集集

13.4.2赞赏高效率

13.4.3数据集重构

13.4.4框架构建

13.4.5特训和分析

第14章基于旷视九宫MegEngine的能够扫描

14.1旷视九宫MegEngine网络服务概要

14.1.1MegEngine整体架构

14.1.2旷视九宫网络服务结构上

14.2MegEngine网络服务限于工具

14.2.1注册

14.2.2创建计划

14.3层面犯罪行为： 基于MegEngine的能够扫描

14.3.1MSCOCO数据集集

14.3.2能够扫描数据分析报告高效率

14.3.3框架特训与次测试

第15章AI对抗赛网络服务方法论本土化

15.1当今对抗赛网络服务

15.1.1Kaggle对抗赛

15.1.2天池大数据集对抗赛

15.2Kaggle对抗赛方法论本土化

15.2.1层面犯罪行为1： 泰坦尼克之灾

15.2.3层面犯罪行为3：Home Depot电子产品涉及性分析

15.3天池大数据集对抗赛方法论本土化

15.3.2层面犯罪行为2：NLP新闻脚注分类法

15.3.3层面犯罪行为3： 贷款违约分析

请注意

本书特色

(1) 以解决办法为应运而生，对基础性观点与迭代演练同步进行详细请教。

(2) 实战犯罪行为充沛，扩及15个原始计划犯罪行为。

(3) 编译器详尽，防止对 API 的形式展示出，绕开重复编译器。

(4) 语言简要易懂，由浅入深带领读者群学会 Python 以及AI常见迭代。

(5) 各迭代相对独立，自然科学基本原理相对容易解释。

水电人力资源

为便于特殊教育，本书配有源编译器、数据集集、特殊教育课件和特殊教育大纲，在“书圈”公众号回复印刷出版可下载。

。

阳了以后出现黄痰能用阿莫西林治疗吗
伤口如何快速愈合
吃什么能治疗拉肚子
唐山治白癜风哪里最好
脑瘫儿形成的原因