Python入門到人工智能實戰

吳茂貴 等著

  • 出版商: 北京大學
  • 出版日期: 2020-05-02
  • 定價: $474
  • 售價: 8.5$403
  • 語言: 簡體中文
  • 頁數: 332
  • 裝訂: 平裝
  • ISBN: 7301312849
  • ISBN-13: 9787301312841
  • 下單後立即進貨 (約4週~6週)

買這商品的人也買了...

相關主題

商品描述

《Python 入門到人工智能實戰》是針對零基礎編程學習者編寫的教程。
從初學者角度出發,每章以問題為導向,輔以大量的實例,詳細地介紹了Python 基礎、
機器學習,以及最好也最易學習的兩個平台PyTorch 和Keras。
全書共20 章,包括Python 安裝配置、Python 語言基礎、流程控制語句、序列、函數、對象、
文件及異常處理、數據處理和分析的重要模塊(NumPy、Pandas)、機器學習基礎、機器學習常用調優方法、
神經網絡、卷積神經網絡,以及使用PyTorch、Keras 實現多個人工智能實戰案例等。
書中所有知識都結合具體實例進行講解,涉及的程序代碼給出了詳細的註釋,使讀者可以輕鬆領會。

作者簡介

吳茂貴
上海大學運籌學與控制論碩士,在BI、數據挖掘與分析、機器學習等領域有20多年的工作經驗,
在Spark機器學習、TensorFlow人工智能以及神經網絡領域有大量的實踐經驗。

目錄大綱


1.1 问题:Python能带来哪些优势
1.2 安装Python
1.3 配置开发环境
1.4 试运行Python
1.5 后续思考
1.6 小结
第2章 变量和数据类型
2.1 问题:Python是如何定义变量的
2.2 变量
2.3 字符串
2.4 数字与运算符
2.5 数据类型转换
2.6 注释
2.7 后续思考
2.8 小结
第3章 列表和元组
3.1 问题:如何存取更多数据
3.2 列表概述
3.3 访问列表元素的方法
3.4 对列表进行增、删、改
3.5 统计分析列表
3.6 组织列表
3.7 生成列表
3.8 元组
3.9 后续思考
3.10 小结
第4章 if语句与循环语句
4.1 问题:Python中的控制语句有何特点
4.2 if语句
4.3 循环语句
4.4 后续思考
4.5 小结
第5章 字典和集合
5.1 问题:当索引不好用时怎么办
5.2 一个简单的字典实例
5.3 创建和维护字典
5.4 遍历字典
5.5 集合
5.6 列表、元组、字典和集合的异同
5.7 迭代器和生成器
5.8 后续思考
5.9 小结
第6章 函数
6.1 问题:如何实现代码共享
6.2 创建和调用函数
6.3 传递参数
6.4 返回值
6.5 传递任意数量的参数
6.6 lambda函数
6.7 生成器函数
6.8 把函数放在模块中
6.9 后续思考
6.10 小结
第7章 面向对象编程
7.1 问题:如何实现不重复造轮子
7.2 类与实例
7.3 继承
7.4 把类放在模块中
7.5 标准库
7.6 包
7.7 实例1:使用类和包
7.8 实例2:银行ATM机系统
7.9 后续思考
7.10 小结
第8章 文件与异常
8.1 问题:Python如何获取文件数据
8.2 基本的文件操作
8.3 目录操作
8.4 异常处理
8.5 后续思考
8.6 小结
第9章 NumPy基础
9.1 问题:为什么说NumPy是打开人工智能的一把钥匙
9.2 生成NumPy数组
9.3 获取元素
9.4 NumPy的算术运算
9.5 数组变形
9.6 通用函数
9.7 广播机制
9.8 后续思考
9.9 小结
第10章 Pandas基础
10.1 问题:Pandas有哪些优势
10.2 Pandas数据结构
10.3 Series
10.4 DataFrame
10.5 后续思考
10.6 小结
第11章 数据可视化
11.1 问题:为何选择Matplotlib
11.2 可视化工具Matplotlib
11.3 绘制多个子图
11.4 Seaborn简介
11.5 图像处理与显示
11.6 Pyecharts简介
11.7 实例:词云图
11.8 后续思考
11.9 小结
第12章 机器学习基础
12.1 问题:机器学习如何学习
12.2 机器学习常用算法
12.3 机器学习的一般流程
12.4 机器学习常用技巧
12.5 实例1:机器学习是如何学习的
12.6 实例2:用Scikit-Learn实现电信客户流失预测
12.7 后续思考
12.8 小结
第13章 神经网络
13.1 问题:神经网络能代替传统机器学习吗
13.2 单层神经网络
13.3 多层神经网络
13.4 输出层
13.5 损失函数
13.6 正向传播
13.7 误差反向传播
13.8 实例:用Python实现手写数字的识别
13.9 后续思考
13.10 小结
第14章 用PyTorch实现神经网络
14.1 为何选择PyTorch
14.2 安装配置
14.3 Tensor简介
14.4 autograd机制
14.5 构建神经网络的常用工具
14.6 数据处理工具
14.7 实例1:用PyTorch实现手写数字识别
14.8 实例2:用PyTorch解决回归问题
14.9 小结
第15章 卷积神经网络
15.1 问题:传统神经网络有哪些不足
15.2 卷积神经网络
15.3 实例:用PyTorch完成图像识别任务
15.4 后续思考
15.5 小结
第16章 提升模型性能的几种技巧
16.1 问题:为什么有些模型尝试了很多方法仍然效果不佳
16.2 找到合适的学习率
16.3 正则化
16.4 合理的初始化
16.5 选择合适的优化器
16.6 GPU加速
16.7 后续思考
16.8 小结
第17章 Keras入门
17.1 问题:为何选择Keras架构
17.2 Keras简介
17.3 Keras常用概念
17.4 Keras常用层
17.5 神经网络核心组件
17.6 Keras的开发流程
17.7 实例:Keras程序的开发流程
17.8 后续思考
17.9 小结
第18章 用Keras实现图像识别
18.1 实例1:用自定义模型识别手写数字
18.2 实例2:用预训练模型识别图像
18.3 后续思考
18.4 小结
第19章 用Keras实现迁移学习
19.1 问题:如何发挥小数据的潜力
19.2 迁移学习简介
19.3 迁移学习常用方法
19.4 实例:用Keras实现迁移学习
19.5 后续思考
19.6 小结
第20章 用Keras实现风格迁移
20.1 问题:如何捕捉图像风格
20.2 通道与风格
20.3 内容损失与风格损失
20.4 格拉姆矩阵简介
20.5 实例:用Kreras实现风格迁移
20.6 后续思考
20.7 小结