人工智能
类型
9.1
豆瓣评分
可以朗读
语音朗读
180千字
字数
2020-09-01
发行日期
展开全部
主编推荐语
本书教授大数据人工智能处理、机器学习算法与深度学习技术，解决现实问题。
内容简介
本书介绍借助人工智能处理大数据，读者将学习使用机器学习算法（如k—means、SVM、RBF和回归）来执行高级数据分析，还将了解机器和深度学习技术的当前状态，以处理遗传和神经模糊算法。此外，读者将探索如何开发人工智能算法以从数据中学习，为什么它们是必要的，以及它们如何帮助解决现实问题。本书介绍借助人工智能处理大数据，读者将学习使用机器学习算法（如k—means、SVM、RBF和回归）来执行高级数据分析，还将了解机器和深度学习技术的当前状态，以处理遗传和神经模糊算法。此外，读者将探索如何开发人工智能算法以从数据中学习，为什么它们是必要的，以及它们如何帮助解决现实问题。
目录
- 版权信息
- 内容提要
- 译者序
- 作者简介
- 审稿人简介
- 译者简介
- 前言
- 读者对象
- 主要内容
- 使用方法
- 排版约定
- 资源与支持
- 提交勘误
- 与我们联系
- 关于异步社区和异步图书
- 第1章 大数据与人工智能系统
- 1.1 结果金字塔
- 1.2 人脑最擅长什么
- 1.2.1 感官输入
- 1.2.2 存储
- 1.2.3 处理能力
- 1.2.4 低能耗
- 1.3 电子大脑最擅长什么
- 1.3.1 速度信息存储
- 1.3.2 蛮力处理
- 1.4 两全其美
- 1.4.1 大数据
- 1.4.2 从迟钝机器进化到智能机器
- 1.4.3 智能
- 1.4.4 大数据框架
- 1.4.5 大数据智能应用
- 1.5 常见问答
- 1.6 小结
- 第2章 大数据本体论
- 2.1 人脑与本体
- 2.2 信息科学本体论
- 2.2.1 本体的属性
- 2.2.2 本体的优点
- 2.2.3 本体的组成
- 2.2.4 本体在大数据中扮演的角色
- 2.2.5 本体对齐
- 2.2.6 本体在大数据中的目标
- 2.2.7 本体在大数据中的挑战
- 2.2.8 资源描述框架——通用数据格式
- 2.2.9 使用Web本体语言：OWL
- 2.2.10 SPARQL查询语言
- 2.2.11 用本体构建智能机器
- 2.2.12 本体学习
- 2.3 常见问答
- 2.4 小结
- 第3章 从大数据中学习
- 3.1 监督学习和无监督学习
- 3.2 Spark编程模型
- 3.3 Spark MLlib库
- 3.3.1 转换器函数
- 3.3.2 估计器算法
- 3.3.3 管道
- 3.4 回归分析
- 3.4.1 线性回归
- 3.4.2 广义线性模型
- 3.4.3 对数几率回归分类技术
- 3.4.4 多项式回归
- 3.4.5 逐步回归
- 3.4.6 岭回归
- 3.4.7 套索回归
- 3.5 数据聚类
- 3.6 K均值算法
- Spark ML实现K均值
- 3.7 数据降维
- 3.8 奇异值分解
- 3.8.1 矩阵理论和线性代数概述
- 3.8.2 奇异值分解的重要性质
- 3.8.3 Spark ML实现SVD
- 3.9 主成分分析
- 3.9.1 用SVD实现PCA算法
- 3.9.2 用Spark ML实现SVD
- 3.10 基于内容的推荐系统
- 3.11 常见问答
- 3.12 小结
- 第4章 大数据神经网络
- 4.1 神经网络和人工神经网络的基础
- 4.2 感知器和线性模型
- 4.2.1 神经网络的组成符号
- 4.2.2 简单感知器模型的数学表示
- 4.2.3 激活函数
- 4.3 非线性模型
- 4.4 前馈神经网络
- 4.5 梯度下降和反向传播
- 4.5.1 梯度下降伪代码
- 4.5.2 反向传播模型
- 4.6 过拟合
- 4.7 循环神经网络
- 4.7.1 RNN的需求
- 4.7.2 RNN的结构
- 4.7.3 训练RNN
- 4.8 常见问答
- 4.9 小结
- 第5章 深度大数据分析
- 5.1 深度学习基础知识和构建模块
- 5.1.1 基于梯度的学习
- 5.1.2 反向传播
- 5.1.3 非线性
- 5.1.4 剔除
- 5.2 构建数据准备管道
- 5.3 实现神经网络架构的实用方法
- 5.4 超参数调优
- 5.4.1 学习率
- 5.4.2 训练迭代的次数
- 5.4.3 隐藏单元数
- 5.4.4 时期数
- 5.4.5 用deeplearning4j试验超参数
- 5.5 分布式计算
- 5.6 分布式深度学习
- 5.6.1 DL4J和Spark
- 5.6.2 TensorFlow
- 5.6.3 Keras
- 5.7 常见问答
- 5.8 小结
- 第6章 自然语言处理
- 6.1 自然语言处理基础
- 6.2 文本预处理
- 6.2.1 删除停用词
- 6.2.2 词干提取
- 6.2.3 词形还原
- 6.2.4 N-Gram
- 6.3 特征提取
- 6.3.1 独热编码
- 6.3.2 TF-IDF
- 6.3.3 CountVectorizer
- 6.3.4 Word2Vec
- 6.4 应用自然语言处理技术
- 文本分类
- 6.5 实现情感分析
- 6.6 常见问答
- 6.7 小结
- 第7章 模糊系统
- 7.1 模糊逻辑基础
- 7.1.1 模糊集和隶属函数
- 7.1.2 明确集的属性和符号
- 7.1.3 模糊化
- 7.1.4 去模糊化
- 7.1.5 模糊推理
- 7.2 ANFIS网络
- 7.2.1 自适应网络
- 7.2.2 ANFIS架构和混合学习算法
- 7.3 模糊C均值聚类
- 7.4 模糊神经分类器
- 7.5 常见问答
- 7.6 小结
- 第8章 遗传编程
- 8.1 遗传算法的结构
- 8.2 KEEL框架
- 8.3 Encog机器学习框架
- 8.3.1 Encog开发环境设置
- 8.3.2 Encog API结构
- 8.4 Weka框架
- Weka Explorer特性
- 8.5 用Weka以遗传算法实现属性搜索
- 8.6 常见问答
- 8.7 小结
- 第9章 群体智能
- 9.1 什么是群体智能
- 9.1.1 自组织
- 9.1.2 主动共识
- 9.1.3 劳动分工
- 9.1.4 集体智能系统的优势
- 9.1.5 开发SI系统的设计原则
- 9.2 粒子群优化模型
- 实现PSO的注意事项
- 9.3 蚁群优化模型
- 9.4 MASON库
- MASON分层架构
- 9.5 Opt4J库
- 9.6 在大数据分析中的应用
- 9.7 处理动态数据
- 9.8 多目标优化
- 9.9 常见问答
- 9.10 小结
- 第10章 强化学习
- 10.1 强化学习算法的概念
- 10.2 强化学习技术
- 10.2.1 马尔可夫决策过程
- 10.2.2 动态规划与强化学习
- 10.2.3 Q-learning
- 10.2.4 SARSA学习
- 10.3 深度强化学习
- 10.4 常见问答
- 10.5 小结
- 第11章 网络安全
- 11.1 大数据用于维生管线保护
- 11.1.1 数据收集与分析
- 11.1.2 异常检测
- 11.1.3 纠正和预防措施
- 11.1.4 概念上的数据流
- 11.2 理解流处理
- 11.2.1 流处理语义
- 11.2.2 Spark Streaming
- 11.2.3 Kafka
- 11.3 网络安全攻击类型
- 11.3.1 网络钓鱼
- 11.3.2 内网漫游
- 11.3.3 注入攻击
- 11.3.4 基于AI的防御
- 11.4 了解SIEM
- 可视化属性和特性
- 11.5 Splunk
- 11.5.1 Splunk Enterprise Security
- 11.5.2 Splunk Light
- 11.6 ArcSight ESM
- 11.7 常见问答
- 11.8 小结
- 第12章 认知计算
- 12.1 认知科学
- 12.2 认知系统
- 12.2.1 认知系统简史
- 12.2.2 认知系统的目标
- 12.2.3 认知系统的因素
- 12.3 认知智能在大数据分析中的应用
- 12.4 认知智能即服务
- 12.4.1 基于Watson的IBM认知工具包
- 12.4.2 基于Watson的认知应用
- 12.4.3 用Watson进行开发
- 12.5 常见问答
- 12.6 小结
- 版权声明
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
