Python人工智能開發從入門到精通

楊柳,郭坦,魯銀芝著

  • 出版商: 北京大學
  • 出版日期: 2020-06-01
  • 售價: $714
  • 貴賓價: 9.5$678
  • 語言: 簡體中文
  • 頁數: 496
  • 裝訂: 平裝
  • ISBN: 7301313039
  • ISBN-13: 9787301313039

立即出貨

相關主題

商品描述

《Python人工智能開發從入門到精通》主要介紹了Python進行人工智能開發所需的技術、
基礎設施、核心理念、實施方法與流程,以及實戰操作應用。
 
 全書共分3篇。
1篇主要講解了人工智能開發中常用Python編程語言相關入門知識,包括:1章關於Python與開發環境配置、
第2章Python編程基礎、第3章Python編程進階;
第2篇主要講解了人工智能開發相關知識的應用,
包括:第4章人工智能簡介、
第5章機器學習理論基礎、
第6章Python機器學習常用庫的應用、
第7章第一個機器學習項目、
第8章典型的機器學習算法及應用實戰、
第9章深度學習算法理論、
第10章深度學習之TensorFlow;
第3篇通過3個綜合案例,以神經網絡在計算機視覺問題中的重要應用為線索,
介紹深度學習人工智能技術在計算機視覺任務中的實踐,包括:第11章人工智能識萬物、
第3篇:第12章人工智能知萬物、第13章人工智能繪萬物。

作者簡介

楊柳

博士,重慶郵電大學專任教師。
長期從事軟件開發相關教學活動,具有豐富的Python人工智能開發經驗。
主要研究方向為物聯網、數據分析、人工智能等。
發表SCI論文9篇,主持國家縱向課題1項、省部級縱向課題1項,參與省部級縱向課題多項。


郭坦

博士,重慶郵電大學專任教師。
主要研究方向為計算機視覺、模式識別、以及機器學習等。
發表SCI/EI論文12篇,其中第一作者論文8篇,申請國家發明專利6項,主持和主研國家及省部級課題6項。


魯銀芝

碩士,長江師範學院專任教師。
長期從事智能信息處理方面教學和實踐活動指導,並具有相關硬件開發經驗。
精通Python編程,在人工智能、機器學習方面,具有豐富的相關實踐經驗。
主要研究方向為傳感信號分析與處理、傳感信息挖掘、人工智能應用開發等。

目錄大綱

Python基礎篇
第1章關於Python與開發環境配置2
1.1 Python入門2
1.2 Python開發環境的配置6
新手問答14
本章小結14

第2章Python編程基礎15
2.1基礎語法15
2.2數據類型25
2.3邏輯控制語句31
2.4函數35
新手問答41
小試牛刀41
本章小結42

第3章Python編程進階43
3.1高級變量43
3.2面向對象編程57
3.3 Python模塊61
3.4 python神經網絡小實例65
新手問答67
小試牛刀68
本章小結68

人工智能篇
第4章人工智能簡介70
4.1人工智能概述70
4.2人工智能崛起的三大基石76
4.3深度學習的重要性86
新手問答93
本章小結94

第5章機器學習理論基礎95
5.1機器學習概述95
5.2機器學習的4個分支99
5.3評估模型指標106
5.4數據預處理、特徵工程和特徵學習111
5.5過擬合與欠擬合113
5.6機器學習通用工作流程116
新手問答118
小試牛刀118
本章小結120

第6章Python機器學習常用庫的應用121
6.1 NumPy —基礎科學計算庫121
6.2 Pandas—數據分析的利器146
6.3 Matplotlib—畫出優美的圖形173
6.4 scikit-learn—非常流行的Python機器學習庫188
新手問答193
小試牛刀193
本章小結194

第7章第一個機器學習項目195
7.1入門項目簡介195
7.2數據導入197
7.3數據探索199
7.4數據可視化204
7.5算法評估209
7.6預測實施212
新手問答213
小試牛刀213
本章小結214

第8章典型的機器學習算法及應用實戰215
8.1 k-近鄰算法215
8.2樸素貝葉斯分類算法224
8.3支持向量機235
8.4 PCA算法244
8.5 k-均值算法254
新手問答262
小試牛刀263
本章小結264

第9章深度學習算法理論265
9.1深度學習基礎265
9.2神經網絡274
9.3卷積神經網絡284
9.4循環神經網絡289
新手問答299
小試牛刀300
本章小結302

第10章深度學習之TensorFlow 303
10.1主流的深度學習框架303
10.2 TensorFlow環境搭建307
10.3 TensorFlow基本知識310
10.4 TensorFlow編程準備315
10.5 TensorFlow基本開發步驟342
10.6 TensorFlow的可視化348
新手問答353
小試牛刀353
本章小結354

實戰案例篇
第11章人工智能識萬物356
11.1卷積神經網絡的前世今生356
11.2如何構建更深的神經網絡369
11.3神經網絡的可遷移性414
新手問答430
本章小結430

第12章人工智能知萬物431
12.1區域卷積神經網絡431
12.2快速區域卷積神經網絡433
12.3更快區域卷積神經網絡434
12.4 YOLO網絡440
本章小結466

第13章人工智能繪萬物467
13.1神經藝術風格遷移468
13.2基於TensorFlow的圖像風格化實現473
新手問答478
本章小結478
參考文獻479