机器学习

　　机器学习是计算机科学与人工智能的重要分支领域，本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。本书主要内容包括机器学习绪论、Python基础知识、模型评估及模型、机器学习及神经网络、MNIST识别及图像分类。本书致力于“利用经验来改善系统自身的性能”。在计算机系统中，“经验”通常是以数据的形式存在的，利用经验就不可避免地要对数据进行分析。本书结构清晰、内容丰富，知识完整，理论部分通俗易懂，实践部分真实可操作，书中介绍了大量行业前沿案例，并配有程序说明。本书可作为机器人、计算机、电子信息、自动化、机电一体化等专业的机器视觉技术课程教材，也可供高等院校相关比赛者、机器人与制造技术领域的科研工作者和工程技术人员参考。

暂缺《机器学习》作者简介

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