Python入門到人工智慧實戰

內容簡介

《Python 入門到人工智慧實戰》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、函式、對象、檔案及異常處理、數據處理和分析的重要模組（NumPy、Pandas）、機器學習基礎、機器學習常用調優方法、神戒判籃經網路、卷積神經網路，以及使用PyTorch、Keras 實現多個人工智慧實戰案例等。葛講堡書中所有知識都結合具體實例進行講解，涉及的程式代碼給出了詳細的注釋，使讀者可以輕鬆領會。全催

圖書目錄

第1章 Python安裝配置

1.1 問題：Python能帶來哪些優勢

1.2 安裝Python

1.3 配置開發環境

1.4 試運行Python

1.5 後續思考

1.6 小結

第2章變數和數據類型

2.1 問題：Python是如何定再檔設捆義變數的

2.2 變數

2.3 字元串

2.4 數字與運算符

2.5 數據講樂凳類型轉換

2.6 注釋

2.7 後續思考

2.8 小結

第3章列表和元組

3.1 問題：如何存取更多數據

3.2 列表概述

3.3 訪問列表元素的方法

3.4 對列表進行增、刪、改

3.5 統計分析列表

3.6 組織列表

3.7 生成列表

3.8 元組

3.9 後續思考

3.10 小結

第4章 if語句與循環語句

4.1 問題：Python中的控制語句有何特點

4.2 if語句

4.3 循環語句

4.4 後續思考

4.5 小結

第5章字典和集合

5.1 問題：當索引不好用時怎么辦

5.2 一個簡單的字典實例

5.3 創建和維護字典

5.4 遍歷字典

5.5 集合

5.6 列表、元組、字典和集合的異同

5.7 疊代器和生成器

5.8 後續思考

5.9 小結

第6章函式

6.1 問題：如何實現代碼共享

6.2 創建和調用函式

6.3 傳遞參數

6.4 返回值

6.5 傳遞任意數量的參數

6.6 lambda函式

6.7 生成器函式

6.8 把函式放在模組中

6.9 後續思考

6.10 小結

第7章面向對象編程

7.1 問題：如何實現不重複造輪子

7.2 類與實例

7.3 繼承

7.4 把類放在模組中

7.5 標準庫

7.6 包

7.7 實例1:使用類和包

7.8 實例2：銀行ATM機系鞏己狼斷統

7.9 後續思考

7.10 小結

第8章檔案與異常

8.1 問題：Python如何獲取檔案數據

8.2 基本的檔案操作

8.3 目錄操作

8.4 異常處理

8.5 後續思考

8.6 小結

第9章 NumPy基礎

9.1 問題：為什麼說NumPy是打開人工智慧的一把鑰匙

9.2 生成NumPy數組

9.3 獲取元素

9.4 NumPy的算術運算

9.5 數組變形

9.6 通用函式

9.7 廣播機制

9.8 後續思考

9.9 小結

第10章 Pandas基礎

10.1 問題：Pandas有哪些優勢

10.2 Pandas數據結構才堡淚

10.3 Series

10.4 DataFrame

10.5 後續思考

10.6 小結

第11章數據可視化

11.1 問題：為何選擇Matplotlib

11.2 可視化工具Matplotlib

11.3 繪製多個子圖

11.4 Seaborn簡介

11.5 圖像處理與顯示

11.6 Pyecharts簡介

11.7 實例：詞雲圖

11.8 後續思考

11.9 小結

第12章機器學習基礎

12.1 問題：機器學習如何學習

12.2 機器學習常用算法

12.3 機器學習的一般流程

12.4 機器學習常用技巧

12.5 實例1：機器學習是如何學習的

12.6 實例2：用Scikit-Learn實現電信客戶流失預測

12.7 後續思考

12.8 小結

第13章神經網路

13.1 問題：神經網路能代替傳統機器學習嗎

13.2 單層神經網路

13.3 多層神經網路

13.4 輸出層

13.5 損失函式

13.6 正向傳播

13.7 誤差反向傳播

13.8 實例：用Python實現手寫數字的識別

13.9 後續思考

13.10 小結

第14章用PyTorch實現神經網路

14.1 為何選擇PyTorch

14.2 安裝配置

14.3 Tensor簡介

14.4 autograd機制

14.5 構建神經網路的常用工具

14.6 數據處理工具

14.7 實例1：用PyTorch實現手寫數字識別

14.8 實例2：用PyTorch解決回歸問題

14.9 小結

第15章卷積神經網路

15.1 問題：傳統神經網路有哪些不足

15.2 卷積神經網路

15.3 實例：用PyTorch完成圖像識別任務

15.4 後續思考

15.5 小結

第16章提升模型性能的幾種技巧

16.1 問題：為什麼有些模型嘗試了很多方法仍然效果不佳

16.2 找到合適的學習率

16.3 正則化

16.4 合理的初始化

16.5 選擇合適的最佳化器

16.6 GPU加速

16.7 後續思考

16.8 小結

第17章 Keras入門

17.1 問題：為何選擇Keras架構

17.2 Keras簡介

17.3 Keras常用概念

17.4 Keras常用層

17.5 神經網路核心組件

17.6 Keras的開發流程

17.7 實例：Keras程式的開發流程

17.8 後續思考

17.9 小結

第18章用Keras實現圖像識別

18.1 實例1：用自定義模型識別手寫數字

18.2 實例2：用預訓練模型識別圖像

18.3 後續思考

18.4 小結

第19章用Keras實現遷移學習

19.1 問題：如何發揮小數據的潛力

19.2 遷移學習簡介

19.3 遷移學習常用方法

19.4 實例：用Keras實現遷移學習

19.5 後續思考

19.6 小結

第20章用Keras實現風格遷移

20.1 問題：如何捕捉圖像風格

20.2 通道與風格

20.3 內容損失與風格損失

20.4 格拉姆矩陣簡介

20.5 實例：用Kreras實現風格遷移

20.6 後續思考

20.7 小結

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人工智慧以及神經網路領域有大量的實踐經驗。

Python入門到人工智慧實戰

基本介紹

內容簡介

圖書目錄

作者簡介

作者簡介

相關詞條

熱門詞條