机器学习开发方法、工具及应用

　　《机器学习开发方法、工具及应用》介绍机器学习开发方法、工具及应用相关知识，全书由6章组成，第1章主要介绍机器学习的基本概念、分类等；第2章主要介绍机器学习开发架构、开发步骤；第3章~第5章主要介绍机器学习的开发工具，包括Python、NumPy、Pandas、Scikit-leam、TensorFlow；第6章主要介绍机器学习相关的10个实验，包括线性回归、决策树、人工神经网络、卷积神经网络等。《机器学习开发方法、工具及应用》适合作为高等院校人工智能专业、计算机专业、智能机器人专业、智能芯片专业及其他智能相关专业课程教材，也可作为人工智能应用、开发人员的参考用书。

　　潘志松，男，1973年3月生，陆军工程大学指挥控制工程学院，教授，博士生导师毕业于南京航空航天大学，2003年获得计算机科学与技术博士学位，2011年在美国亚利桑那州立大Biodesign研究院工作一年。主要研究方向为模式识别与机器学习、智能技术的网络安全应用。主持国家自然科学基金、江苏省基金、科技部重点研发计划、军委科技委基础加强和前沿创新项目、军口863项目、“十二五”“十三五”军队预先研究项目、军队重点型号研制项目等数十项，在国内外期刊和国际会议上发表论文五十余篇，也是多个国内外期刊会议的审稿人，30余篇被SCI检索。现任江苏省模式识别与人工智能专委会的常务委员，2012年入选江苏省“333”工程第三层次人才，2017年获江苏省六大人才高峰资助，荣立三等功1次，获军队科技进步奖一等奖1项，二等奖1项，三等奖8项。

第1章 机器学习基础介绍
1．1 机器学习简介
1．2 机器学习的作用
1．3 机器学习的分类
1．4 机器学习的内容
1．5 深度学习的内容
1．6 机器学习的评价指标
习题1
第2章 机器学习开发方法
2．1 机器学习开发架构
2．2 机器学习开发步骤
习题2
第3章 Python基础及机器学习软件包
3．1 Python简介
3．2 基本数据类型和运算
3．3 容 器
3．4 分支和循环
3．5 函数和类
3．6 文件操作
3．7 错误与异常
3．8 Python库引用
3．9 NumPy简介
3．10 Pandas简介
3．11 Matplotlib简介
习题3
第4章 机器学习工具Scikit-Iearn等相关工具包
4．1 线性回归算法及应用
4．2 决策树算法及应用
4．3 支持向量机算法及应用
4．4 朴素贝叶斯算法及应用
4．5 聚类算法及应用
4．6 神经网络算法及应用
4．7 Apriori关联学习算法及应用
习题4
第5章 深度学习工具TensorFlow基础与进阶
5．1 TensorFlow概述
5．2 数据类型
5．3 张量及操作
5．4 索引与切片
5．5 维度变换
5．6 广播机制
5．7 数学运算
5．8 使用GPU
5．9 TensorBoard可视化
5．10 数据集加载
5．11 保存和载入模型
5．12 TensorFlow模型之线性回归
5．13 TensorFlow模型之卷积神经网络
5．14 卷积神经网络应用
5．15 循环神经网络应用
5．16 强化学习应用
习题5
第6章 机器学习实验分析
6．1 线性回归实验
6．2 决策树实验
6．3 支持向量机实验
6．4 朴素贝叶斯分类器实验
6．5 关联学习实验
6．6 聚类实验
6．7 人工神经网络实验
6．8 卷积神经网络（CNN）实验
6．9 循环神经网络（RNN）实验
6．10 强化学习实验
习题6
附录 课后习题参考答案