《Python3破冰人工智慧 從入門到實戰》是由人民郵電出版社出版，作者是黃海濤。
基本介紹
- 書名：Python3破冰人工智慧 從入門到實戰
- 作者：黃海濤
- ISBN：9787115504968
- 類別：計算機編程、人工智慧、數學建模
- 頁數：230
- 定價：59.00
- 出版社：人民郵電出版社
- 裝幀：平裝
- 開本：787×980 1/16
內容簡介,書籍目錄,
內容簡介
本書創新性地從數學建模競賽入手，深入淺出地講解了人工智慧領域的相關知識。本書內容基於Python 3.6，從人工智慧領域的數學出發，到Python在人工智慧場景下的關鍵模組；從網路爬蟲到數據存儲，再到數據分析；從機器學習到深度學習，涉及自然語言處理、機器學習、深度學習、推薦系統和知識圖譜等。 此外，本書還提供了近140個代碼案例和大量圖表，全面系統地闡述了算法特性，個別案例算法來自於工作經驗總結，力求幫助讀者學以致用。
書籍目錄
第 1章 從數學建模到人工智慧
1.1 數學建模
1.1.1 數學建模與人工智慧
1.1.2 數學建模中的常見問題
1.2 人工智慧下的數學
1.2.1 統計量
1.2.2 矩陣概念及運算
1.2.3 機率論與數理統計
1.2.4 高等數學——導數、微分、不定積分、定積分
第2章 Python快速入門
2.1 安裝Python
2.1.1 Python安裝步驟
2.1.2 IDE的選擇
2.2 Python基本操作
2.2.1 第 一個小程式
2.2.2 注釋與格式化輸出
2.2.3 列表、元組、字典
2.2.4 條件語句與循環語句
2.2.5 break、continue、pass
2.3 Python高級操作
2.3.1 lambda
2.3.2 map
2.3.3 filter
第3章 Python科學計算庫NumPy
3.1 NumPy簡介與安裝
3.1.1 NumPy簡介
3.1.2 NumPy安裝
3.2 基本操作
3.2.1 初識NumPy
3.2.2 NumPy數組類型
3.2.3 NumPy創建數組
3.2.4 索引與切片
3.2.5 矩陣合併與分割
3.2.6 矩陣運算與線性代數
3.2.7 NumPy的廣播機制
3.2.8 NumPy統計函式
3.2.9 NumPy排序、搜尋
3.2.10 NumPy數據的保存
第4章 常用科學計算模組快速入門
4.1 Pandas科學計算庫
4.1.1 初識Pandas
4.1.2 Pandas基本操作
4.2 Matplotlib可視化圖庫
4.2.1 初識Matplotlib
4.2.2 Matplotlib基本操作
4.2.3 Matplotlib繪圖案例
4.3 SciPy科學計算庫
4.3.1 初識SciPy
4.3.2 SciPy基本操作
4.3.3 SciPy圖像處理案例
第5章 Python網路爬蟲
5.1 爬蟲基礎
5.1.1 初識爬蟲
5.1.2 網路爬蟲的算法
5.2 爬蟲入門實戰
5.2.1 調用API
5.2.2 爬蟲實戰
5.3 爬蟲進階—高效率爬蟲
5.3.1 多進程
5.3.2 多執行緒
5.3.3 協程
5.3.4 小結
第6章 Python數據存儲
6.1 關係型資料庫MySQL
6.1.1 初識MySQL
6.1.2 Python操作MySQL
6.2 NoSQL之MongoDB
6.2.1 初識NoSQL
6.2.2 Python操作MongoDB
6.3 本章小結
6.3.1 資料庫基本理論
6.3.2 資料庫結合
6.3.3 結束語
第7章 Python數據分析
7.1 數據獲取
7.1.1 從鍵盤獲取數據
7.1.2 檔案的讀取與寫入
7.1.3 Pandas讀寫操作
7.2 數據分析案例
7.2.1 普查數據統計分析案例
7.2.2 小結
第8章 自然語言處理
8.1 Jieba分詞基礎
8.1.1 Jieba中文分詞
8.1.2 Jieba分詞的3種模式
8.1.3 標註詞性與添加定義詞
8.2 關鍵字提取
8.2.1 TF-IDF關鍵字提取
8.2.2 TextRank關鍵字提取
8.3 word2vec介紹
8.3.1 word2vec基礎原理簡介
8.3.2 word2vec訓練模型
8.3.3 基於gensim的word2vec實戰
第9章 從回歸分析到算法基礎
9.1 回歸分析簡介
9.1.1 “回歸”一詞的來源
9.1.2 回歸與相關
9.1.3 回歸模型的劃分與套用
9.2 線性回歸分析實戰
9.2.1 線性回歸的建立與求解
9.2.2 Python求解回歸模型案例
9.2.3 檢驗、預測與控制
第10章 從K-Means聚類看算法調參
10.1 K-Means基本概述
10.1.1 K-Means簡介
10.1.2 目標函式
10.1.3 算法流程
10.1.4 算法優缺點分析
10.2 K-Means實戰
第11章 從決策樹看算法升級
11.1 決策樹基本簡介
11.2 經典算法介紹
11.2.1 信息熵
11.2.2 信息增益
11.2.3 信息增益率
11.2.4 基尼係數
11.2.5 小結
11.3 決策樹實戰
11.3.1 決策樹回歸
11.3.2 決策樹的分類
第12章 從樸素貝葉斯看算法多變 193
12.1 樸素貝葉斯簡介
12.1.1 認識樸素貝葉斯
12.1.2 樸素貝葉斯分類的工作過程
12.1.3 樸素貝葉斯算法的優缺點
12.2 3種樸素貝葉斯實戰
第13章 從推薦系統看算法場景
13.1 推薦系統簡介
13.1.1 推薦系統的發展
13.1.2 協同過濾
13.2 基於文本的推薦
13.2.1 標籤與知識圖譜推薦案例
13.2.2 小結
第14章 從TensorFlow開啟深度學習之旅
14.1 初識TensorFlow
14.1.1 什麼是TensorFlow
14.1.2 安裝TensorFlow
14.1.3 TensorFlow基本概念與原理
14.2 TensorFlow數據結構
14.2.1 階
14.2.2 形狀
14.2.3 數據類型
14.3 生成數據十二法
14.3.1 生成Tensor
14.3.2 生成序列
14.3.3 生成隨機數
14.4 TensorFlow實戰
參考文獻
