《Python深度學習：邏輯、算法與編程實戰》是2020年機械工業出版社出版的圖書，作者是何福貴。
基本介紹
- 中文名：Python深度學習：邏輯、算法與編程實戰
- 作者：何福貴
- 出版社：機械工業出版社
- ISBN：9787111658610
內容簡介,圖書目錄,
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
