Python深度學習：邏輯、算法與編程實戰

內容簡介

機器學習是人工智慧領域一個極其重要的研究方向，而深度學習則是機器學習中一個非常接近AI的分支，其思路在於建立進行分析學習的神經網路，模仿人腦感知與組織的方式，根據輸入數據做再檔榜白出決策。深度學習在快速的發展過程中，不斷有與其相關的產品推向市場，顯然，深度學習的套用將會日趨廣泛。

《Python深度學習：邏輯、算法與編程實戰》是關於深度學習的理論、算法、套用的實戰教程，內容涵蓋凳習欠深度學習的語言、學習環境、典型結構、數據爬取和清洗、圖像識別分類、自然語言處理、情感分析、機全催器翻譯、目標檢測和語音處理等知識，通過各種實例，讀者能了解、掌握深度學習的整個流程和戲講凝典型套用。

《Python深度學習：邏輯、算法與編程實戰》可作為深度學習相關從業人員的參考指南，也可作為大中專院校人工智慧相關專業的教材，還可作為廣大人工智慧愛好者的拓展學習手冊。

圖書目錄

前言

第1章 Python語言基礎

11 Python簡介

12 Python開發環境

121 PyCharm的下承敬放載和安裝

122 PyCharm的使用

123 樹莓派Python IDLE的使用

13 Python基本語法

131 保留字和標識符

132 變數和數據類型

133 基本控制結構

134 運算符

135 函式

136 with語句

137 字元串操作

138 異常處理

14 Python序列

141 列表

142 元組

143 字典

144 集合

145 列表、元組、字典和集合的區別

15 Python操作檔案

151 操作文本檔案

152 操作目錄

153 操作Excel檔案

154 操作CSV檔案

16 Python模組

161 模組分類

162 自定義模組

163 第三方模組的安裝

17 Python類

171 面向對象概述

172 類和對象

173 面向對象程式設計方法

174 類的定義和使用

175 多執行緒

18 本章小結

第2章 Python運算元據庫及Web框架

21 運算元據庫

211 操作SQLite

212 操作MySQL

22 Web框架

221 主流Web框架

222 Django框架

223 Flask框架

23 本章小結

第3章 Python深度學習環境

31 Anaconda介紹

32 Anaconda環境搭建

33 Anaconda使用凶樂多乃方法

331 管理工具Navigator

332 Anaconda的Python開發環境Spyder

34 深度學習的一些常備庫

341 NumPy—基礎科學計算庫

342 SciPy—科學計算工具集

343 Pandas—數據分析的利器

344 Matplotlib—畫出優美戒判籃的圖形

345 Tqdm—Python 進度條庫

35 機器學習通用庫Sklearn

351 Sklearn的安裝

352 Sklearn的數據集

353 Sklearn的機器學習方式

36 機器學習深度庫TensorFlow

361 TensorFlow的安裝

362 TensorFlow的深度學習方式

363 TensorLayer

364 可視化工具TensorBoard

37 機器學習深度庫Keras

371 Keras的安裝

372 Keras的深度學習方式

38 自然語言處理

381 NLTK

382 SpaCy

383 Gensim

39 視覺OpenCV

391 OpenCV的安裝

392 OpenCV的使用

310 其他深度學習框架

3101 PyTorch

3102 TFLearn

3103 Chainer

3104 Theano

311 本章小結

第4章深度學習典型結構

41 人工智慧、機器學習、神經網路和深度學習的關係

42 深度學習的發展歷程

43 深度學習的套用

431 計算機視覺

432 語音識別

433 自然語言處理

434 人機博弈

44 神經網路

441 神經網路的結構

442 神經網路的算法

443 神經網路的訓練

444 神經網路的參數

445 深度學習與深層神經網路

45 卷積神經網路（CNN）

451 卷積神經網路結構

452 經典卷積網路模型

453 卷積神經網路套用

46 循環神經網路（RNN）

461 循環神經網路結構

462 長短期記憶網路（LSTM）

463 循環神經網路改進

464 循環神經網路套用

47 遞歸神經網路（RNN）

471 遞歸神經網路結構

472 遞歸神經網路套用

48 生成對抗網路（GAN）

481 生成對抗網路原理

482 生成對抗網路架構

483 生成對抗網路套用

484 生成對抗網路變種

49 本章小結

第5章深度學習數據準備—數據爬取和清洗

51 爬蟲框架

511 Crawley爬蟲框架

512 Scrapy爬蟲框架

513 PySpider爬蟲框架

514 Beautiful Soup爬蟲框架

52 數據爬取

521 Urllib3爬取

522 Requests爬取

523 Scrapy框架爬取

524 實例—爬取招聘網站職位信息

525 實例—爬取網站指定的圖片集合

526 實例—爬取二手車市場數據

53 數據清洗

531 數據清洗庫Pandas

532 缺失值處理

533 去重處理

534 異常值處理

535 實例—清洗CSV檔案

536 噪聲數據處理

537 實例—天氣數據分析與處理

54 數據顯示

541 Pandas統計分析

542 Matplotlib繪圖

543 Bokeh繪圖

544 Pyecharts繪圖

55 實例—爬取並保存圖片

56 本章小結

第6章圖像識別分類

61 圖像識別分類簡介

62 經典圖片數據集

621 MNIST數據集

622 CIFAR-10數據集

623 ImageNet數據集

624 LFW人臉資料庫

625 Flowers-17數據集

626 Pascal VOC數據集

627 MS COCO 數據集

63 OpenCV識別

631 實例—人眼識別

632 實例—兩張相似圖片識別

633 實例—性別識別

64 VGGNet花朵識別

641 VGGNet介紹

642 花朵資料庫

643 實例—花朵識別

65 車牌識別

651 利用OpenCV實現車牌識別

652 實例—EasyPR車牌識別

66 Inception圖像分類處理

661 Inception模型簡介

662 實例—花朵和動物識別

663 實例—自定義圖像分類

67 本章小結

第7章自然語言處理

71 自然語言處理的典型工具

711 NLTK

712 TextBlob

713 Gensim

714 Polyglot

72 Jieba實現關鍵字抽取

721 Jieba實現詞性標註

722 基於TF-IDF算法的關鍵字抽取

723 基於TextRank算法的關鍵字抽取

Python深度學習：邏輯、算法與編程實戰

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條