所有分类
  • 所有分类
  • 机械工业
  • 人民邮电
  • 清华大学
  • 电子工业

Python入门到人工智能实战 PDF下载

Python入门到人工智能实战 PDF下载插图

Python入门到人工智能实战封面

Python入门到人工智能实战 PDF下载插图1

Python入门到人工智能实战书签

作者: 吴茂贵 等
出版社: 北京大学出版社
出版年: 2020-4
页数: 332
定价: 79元
装帧: 平装
ISBN: 9787301312841

内容简介
介绍Python人工智能的生态,涉及Python基础、网络爬虫、数据分析、可视化、图像处理、自然语言处理、机器学习、深度学习以及强化学习等内容。内容包括:一部分 Python基础;第1章 Python基础知识;第2章 数据结构;第3章 控制语言;第4章 函数;第5章 对象;第6章 Numpy基础;第7章 pandas基础(数据处理、交叉矩阵、统计分析);第8章 可视化(Matplotlib和Seaborn等);第9章 网络爬虫(解析网页、urllib和scrapy);第二部分 Python图像处理;第10章 SciPy;第11章 OpenCV;第12章 Dataset API(TensorFlow一个图像处理API);第三部分 自然语言处理;第13章 Python中文分词jieba(基础及实例);第14章 NLTK简介(基础及实例);第15章 Word2Vec简介(基础及实例);第四部分 机器学习;第16章 机器学习基础(介绍常用机器学习算法);第17章 sklearn简介(基础、常用算法实现);第18章 PySpark ML 基础(基础、典型算法及可视化);第五部分 深度学习;第19章 深度学习基础(神经网络卷积及循环神经网络);第20章 TensorFlow(基础、实现几种深度学习算法);第21章 keras(基础、实现几种深度学习算法);第22章 Pytorch(基础、实现几种深度学习算法);第六部分 强化学习;第23章 强化学习基础(介绍常用的几种强化学习算法及相关实例)。

目录
“第1章?Python安装配置
1.1?问题:Python能带来哪些优势?
1.2?安装Python
1.3?配置开发环境
1.4?试运行Python
1.5?后续思考
1.6?小结
第2章?变量和数据类型
2.1?问题:Python是如何定义变量的?
2.2?变量
2.3?字符串
2.4?数字与运算符
2.5?数据类型转换
2.6?注释
2.7?后续思考
2.8?小结
第3章?列表和元组
3.1?问题:如何存取更多数据?
3.2?列表概述
3.3?访问列表元素的方法
3.4?对列表进行增、删、改
3.5?统计分析列表
3.6?组织列表
3.7?生成列表
3.8?元组
3.9?后续思考
3.10?小结
第4章?if语句与循环语句
4.1?问题:Python中的控制语句有何特点?
4.2?if语句
4.3?循环语句
4.4?后续思考
4.5?小结
第5章?字典和集合
5.1?问题:当索引不好用时怎么办?
5.2?一个简单的字典实例
5.3?创建和维护字典
5.4?遍历字典
5.5?集合
5.6?列表、元组、字典和集合的异同
5.7?迭代器和生成器
5.8?后续思考
5.9?小结
第6章?函数
6.1?问题:如何实现代码共享?
6.2?创建和调用函数
6.3?传递参数
6.4?返回值
6.5?传递任意数量的参数
6.6?lambda函数
6.7?生成器函数
6.8?把函数放在模块中
6.9?后续思考
6.10?小结
第7章?面向对象编程
7.1?问题:如何实现不重复造轮子?
7.2?类与实例
7.3?继承
7.4?把类放在模块中
7.5?标准库
7.6?包
7.7?实例1:使用类和包
7.8?实例2:银行ATM机系统
7.9?后续思考
7.10?小结
第8章?文件与异常
8.1?问题:Python如何获取文件数据?
8.2?基本的文件操作
8.3?目录操作
8.4?异常处理
8.5?后续思考
8.6?小结
第9章?NumPy基础
9.1?问题:为什么说NumPy是打开人工智能的一把钥匙?
9.2?生成NumPy数组
9.3?获取元素
9.4?NumPy的算术运算
9.5?数组变形
9.6?通用函数
9.7?广播机制
9.8?后续思考
9.9?小结
第10章?Pandas基础
10.1?问题:Pandas有哪些优势?
10.2?Pandas数据结构
10.3?Series
10.4?DataFrame
10.5?后续思考
10.6?小结
第11章?数据可视化
11.1?问题:为何选择Matplotlib?
11.2?可视化工具Matplotlib
11.3?绘制多个子图
11.4?Seaborn简介
11.5?图像处理与显示
11.6?Pyecharts简介
11.7?实例:词云图
11.8?后续思考
11.9?小结
第12章?机器学习基础
12.1?问题:机器学习如何学习?
12.2?机器学习常用算法
12.3?机器学习的一般流程
12.4?机器学习常用技巧
12.5?实例1:机器学习是如何学习的?
12.6?实例2:用Scikit-Learn实现电信客户流失预测
12.7?后续思考
12.8?小结
第13章?神经网络
13.1?问题:神经网络能代替传统机器学习吗?
13.2?单层神经网络
13.3?多层神经网络
13.4?输出层
13.5?损失函数
13.6?正向传播
13.7?误差反向传播
13.8?实例:用Python实现手写数字的识别
13.9?后续思考
13.10?小结
第14章?用PyTorch实现神经网络
14.1?为何选择PyTorch?
14.2?安装配置
14.3?Tensor简介
14.4?autograd机制
14.5?构建神经网络的常用工具
14.6?数据处理工具
14.7?实例1:用PyTorch实现手写数字识别
14.8?实例2:用PyTorch解决回归问题
14.9?小结
第15章?卷积神经网络
15.1?问题:传统神经网络有哪些不足?
15.2?卷积神经网络
15.3?实例:用PyTorch完成图像识别任务
15.4?后续思考
15.5?小结
第16章?提升模型性能的几种技巧
16.1?问题:为什么有些模型尝试了很多方法仍然效果不佳?
16.2?找到合适的学习率
16.3?正则化
16.4?合理的初始化
16.5?选择合适的优化器
16.6?GPU加速
16.7?后续思考
16.8?小结
第17章?Keras入门
17.1?问题:为何选择Keras架构?
17.2?Keras简介
17.3?Keras常用概念
17.4?Keras常用层
17.5?神经网络核心组件
17.6?Keras的开发流程
17.7?实例:Keras程序的开发流程
17.8?后续思考
17.9?小结
第18章?用Keras实现图像识别
18.1?实例1:用自定义模型识别手写数字
18.2?实例2:用预训练模型识别图像
18.3?后续思考
18.4?小结
第19章?用Keras实现迁移学习
19.1?问题:如何发挥小数据的潜力?
19.2?迁移学习简介
19.3?迁移学习常用方法
19.4?实例:用Keras实现迁移学习
19.5?后续思考
19.6?小结
第20章?用Keras实现风格迁移
20.1?问题:如何捕捉图像风格?
20.2?通道与风格
20.3?内容损失与风格损失
20.4?格拉姆矩阵简介
20.5?实例:用Kreras实现风格迁移
20.6?后续思考
20.7?小结”

资源下载此资源下载价格为3积分点击检测网盘有效后购买,VIP免费
客服QQ:3599229794
资源下载
下载价格3 积分
客服QQ:3599229794
0

评论0

请先

显示验证码
没有账号? 注册  忘记密码?