《人工智慧極簡編程入門（基於Python）》一書由張光華，賈庸，李岩編寫，於2019年4月由機械工業出版社出版發行。
基本介紹
- 中文名：人工智慧極簡編程入門（基於Python）
- 作者：張光華 賈庸 李岩
- 出版時間：2019年4月
- 出版社：機械工業出版社
- 頁數：256 頁
- ISBN：9787111625094
- 定價：69 元
- 開本：16 開
- 裝幀：精裝
內容簡介,圖書目錄,作者簡介,
內容簡介
本書是“人工智慧與大數據技術大講堂”叢書中的第一本書。全書貫穿“最簡體驗”的講授原則，並模擬實際課堂的教學風格，通過幽默風趣的大白話語言，手把手帶領讀者由淺入深、循序漸進地進行學習，讓他們在身臨其境的教學氛圍中，輕鬆、愉悅地掌握人工智慧技術領域的基礎知識，從而跨入人工智慧的大門。本書的閱讀門檻極低，只需要讀者具備初步的數理知識和計算機操作技能即可順利學習；本書的學習曲線非常平滑，前面章節中的知識點都為後續章節的學習做好了鋪墊，讓讀者的學習毫無障礙；本書通過“圖書+視頻+GitHub+微信公眾號+學習管理平台+群+專業助教”的立體化學習解決方案及大量線上、線下互動，讓讀者可以體驗到遠超過同類圖書的學習效果。
本書共8章。第1章給出了切實可行的學習建議；第2章介紹了開發環境；第3～5章是專為人工智慧和大數據而最佳化的知識要點，手把手帶領讀者從零基礎開始學習編程；第6章與第7章從不同的角度手把手帶領讀者完成最簡單的卷積運算（深度學習的基礎算法）；第8章帶領讀者解讀一個案例中的部分源碼（來自於最流行的深度學習框架TensorFlow）。
本書適合對人工智慧、機器學習、深度學習和計算機視覺感興趣的讀者閱讀，尤其適合零基礎和弱基礎的讀者學習。閱讀本書不要求讀者有太多的編程基礎與高等數學基礎。
圖書目錄
第1篇 語法篇
第1章 零基礎入門AI解決方案 2
1.1 AI極簡史（選修） 2
1.2 AI極簡介 3
1.2.1 認識顏色：表征學習與深度學習 3
1.2.2 該往哪邊旋轉: 決策科學 4
1.2.3 轉起來：控制論 5
1.2.4 自動駕駛與AI三大領域 5
1.2.5 有關AI三大領域的解釋說明 6
1.3 史上最輕鬆的入門AI完整解決方案 6
1.3.1 興趣模組 7
1.3.2 入門AI所需基礎模組 9
1.3.3 入門模組及其他 11
1.4 入門好資源 12
1.4.1 慕課（MOOC） 12
1.4.2 框架 13
1.4.3 社區 13
1.4.4 數據集 14
1.4.5 論文 14
1.4.6 公司 15
1.5 學習新主張（最重點） 15
1.5.1 什麼是“體驗” 16
1.5.2 什麼是“最簡” 17
1.5.3 “最簡體驗”主張 18
1.6 如何使用本書（純小白請重點閱讀） 19
1.6.1 高效學習本書的首要原則 19
1.6.2 什麼是“要點” 19
1.6.3 對純零基礎學習者的建議 20
1.6.4 使用本書GitHub提高學習效率（敲黑板級別的重點） 20
1.7 網路辭彙簡寫與暱稱 24
1.8 小結 26
第2章 環境搭建 27
2.1 最簡體驗Jupyter Notebook 27
2.1.1 手機上最簡體驗Jupyter 28
2.1.2 計算機上最簡體驗Jupyter 29
2.1.3 Notebook中運行Python代碼 30
2.1.4 Notebook的最基本概念Cell 31
2.1.5 移動Cell 32
2.1.6 揭秘HelloWorld Cell 34
2.1.7 為啥要用Jupyter Notebook（選修） 34
2.1.8 Notebook服務與社區文化（選修） 35
2.1.9 Jupyter與MyBinder（選修） 36
2.2 Azure Notebook簡介 37
2.3 Google Colaboratory簡介 39
2.4 Windows下安裝Anaconda 42
2.5 Linux下安裝Anaconda 43
2.6 Mac下安裝Anaconda 47
2.7 本地啟動Jupyter Notebook 47
2.8 小結 51
2.9 習題 52
2.9.1 基礎部分 52
2.9.2 擴展部分 53
第3章 零點一基礎入門Python 54
3.1 最簡體驗print方法 54
3.2 更多print玩法 59
3.3 最簡體驗Python變數 63
3.4 最簡體驗Python列表與遍歷 65
3.5 最簡體驗Python字典 67
3.6 項目實戰：智慧型通訊錄 69
3.7 分支語法if 71
3.7.1 最簡體驗分支if 71
3.7.2 在智慧型通訊錄中使用分支語法 73
3.7.3 智慧型通訊錄0.2 75
3.8 小結 78
3.8.1 真正掌握了嗎 78
3.8.2 真的能用嗎 79
3.8.3 真的智慧型嗎 80
3.8.4 開發環境與協作學習 81
3.9 習題 83
3.9.1 基礎部分 83
3.9.2 擴展部分 83
第4章 最簡體驗數字圖像 84
4.1 最簡體驗像素 84
4.1.1 嵌套使用列表 84
4.1.2 列表取元素 86
4.1.3 嵌套使用遍歷 88
4.1.4 print進階 89
4.1.5 數值 90
4.1.6 使用“數據”list最簡體驗像素 92
4.2 最簡體驗代碼畫圖 94
4.2.1 最簡體驗圖像操作 95
4.2.2 最簡體驗plot 97
4.2.3 最簡體驗marker 100
4.2.4 更多marker屬性 102
4.3 點與線 104
4.3.1 兩點之間，線段最短 104
4.3.2 畫更多的線 106
4.3.3 點與線：最簡體驗面向對象 108
4.4 高效交流，協作學習 110
4.5 正式認識Matplotlib 112
4.6 小結 115
4.7 習題 115
4.7.1 基礎部分 115
4.7.2 擴展部分 115
第5章 最簡體驗數組 117
5.1 最簡體驗NumPy 117
5.1.1 從list到array 117
5.1.2 Notebook技能之Run all 120
5.1.3 生成一個array 121
5.1.4 操作array中的元素 123
5.2 基於數組進行畫圖 125
5.2.1 最簡體驗imshow（方法）125
5.2.2 改進圖像顯示效果 128
5.2.3 像素級操作圖像 130
5.2.4 精準體驗像素 132
5.3 最簡體驗Figure與Axes 135
5.3.1 最簡體驗容器 135
5.3.2 Python方法的返回值 137
5.3.3 最簡體驗figure的size 141
5.3.4 設定figure的size 142
5.3.5 保存圖像 143
5.3.6 正式認識plt與mpl：Python包與模組的導入 144
5.4 小結 148
5.5 習題 148
5.5.1 基礎部分 148
5.5.2 擴展部分 148
第2篇 算法篇
第6章 最簡體驗卷積運算 150
6.1 最簡體驗維度 150
6.1.1 數組的形狀 150
6.1.2 最簡體驗數組維度 152
6.2 最簡體驗向量 154
6.2.1 從1+1=2開始，輕鬆理解向量 154
6.2.2 最簡體驗向量運算 156
6.2.3 向量乘法 158
6.3 最簡體驗一維卷積 160
6.3.1 滑動視窗 160
6.3.2 一維卷積 162
6.4 卷積得到的是什麼 163
6.4.1 特徵與學習 163
6.4.2 特徵的組合 165
6.4.3 最簡體驗特徵 167
6.4.4 歸一化Normalization 169
6.4.5 歸一化續（純小白慎入） 171
6.5 小結 172
6.6 習題 173
6.6.1 基礎部分 173
6.6.2 擴展部分 173
第7章 綜合案例之滑動視窗示意圖 174
7.1 正式認識subplots（方法） 174
7.1.1 最簡體驗subplots（方法） 174
7.1.2 最簡體驗axs對象 176
7.1.3 最簡體驗Axes坐標軸 179
7.1.4 坐標軸ticks 182
7.2 滑動視窗示意圖0.1版 186
7.2.1 技術問答範本 186
7.2.2 起始、終止和步長 188
7.2.3 坐標軸tickline 191
7.2.4 坐標軸ticklabel 194
7.3 最常用圖像元素之文本框 196
7.3.1 最簡體驗plt.text（方法） 196
7.3.2 微調文本框 199
7.3.3 滑動視窗示意圖0.2版 200
7.4 小結 202
7.5 習題 203
7.5.1 基礎部分 203
7.5.2 擴展部分 203
第3篇 綜合篇
第8章 源碼解讀 206
8.1 TensorFlow示例代碼解讀 206
8.1.1 basic classification示例簡介 206
8.1.2 最簡體驗數據集 209
8.1.3 Fashion MNIST數據集的label 214
8.1.4 批量查看圖像 217
8.2 源碼解讀 220
8.2.1 最簡體驗源碼解讀 220
8.2.2 解惑ticks的set與get 222
8.3 基於Notebook服務的開發環境復現 224
8.3.1 Cell內安裝TensorFlow 224
8.3.2 最簡體驗Terminal 227
8.3.3 體驗便捷精準復現 229
8.3.4 一鍵復現目標檢測 231
8.4 小結 236
8.5 習題 237
8.5.1 基礎部分 237
8.5.2 擴展部分 237
後記 238
作者簡介
張光華 博士畢業於重慶大學和清華大學，碩士畢業於中國科學技術大學。現為中國醫藥教育協會智慧型眼科學組常委、山西智慧型大數據產業技術創新研究院醫療大數據研究中心主任。主要研究方向為量子點微型多光譜成像技術、醫學圖像處理、機器學習等。已在頂級的國際會議及SCI期刊上發表了醫學、圖像處理和機器學習等領域的多篇論文，並參與了多項中國與歐洲的科學基金項目。
賈庸 AI精研社秘書。有多年的研發與管理經驗，持續不斷地追求更好的產品體驗與更高的代碼質量。所研發的產品GFE已被眾多的全球500強企業採購。
李岩 AI精研社會士。有多年的高校教學經驗，擅長講授C程式設計、C++程式設計、Java程式設計和數據結構等多門課程，教學風格頗受學生的喜愛。
