机器学习

第1章 绪论 1.1 AI的历史起源 1.2 什么是智能与AI 1.3 人工智能的分类 1.4 人工智能和大数据 第2章 Python基础知识 2.1 Python虚拟环境与库安装方法 2.2 Python流程控制语法 2.3 列表、元组、字典与集合 2.4 Python函数 2.5 面向对象编程 第3章 模型评估及模型 3.1 向量矩阵和数组 3.2 索引、切片和迭代 3.3 Pandas数据整理 3.4 Pandas的Series数据结构 3.5 Pandas的DataFrame数据结构 3.6 数据加载、存储与文件格式 3.7 数据清洗和准备 3.8 图像数据读取与处理 3.9 数据可视化基础 3.10 数据可视化折线图、柱状图、散点图 第4章 机器学习及神经网络 4.1 模式识别、机器学习的区别与联系 4.2 什么是机器学习 4.3 机器学习的专业术语、开发流程与工具 4.4 机器学习基础补充 4.5 多项式曲线拟合 4.6 k-近邻算法 4.7 K-Means(K-均值)、聚类算法 4.8 利用PCA来简化数据 4.9 神经网络 4.10 Torch运算 4.11 Pytorch搭建神经网络 4.12 保存和加载模型 第5章 MNIST识别及图像分类 5.1 MNIST手写数字识别 5.2 MNIST图像分类 参考文献