幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python入門到人工智慧實戰

  • 作者：編者:吳茂貴//王紅星//劉未昕//胡振興//張粵磊等|責編:張雲靜
  • 出版社：北京大學
  • ISBN：9787301312841
  • 出版日期：2020/04/01
  • 裝幀：平裝
  • 頁數：320
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《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、流程式控制制語句、序列、函數、對象、文件及異常處理、數據處理和分析的重要模塊（NumPy、Pandas）、機器學習基礎、機器學習常用調優方法、神經網路、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。書中所有知識都結合具體實例進行講解，涉及的程序代碼給出了詳細的註釋，使讀者可以輕鬆領會。
作者介紹
編者:吳茂貴//王紅星//劉未昕//胡振興//張粵磊等|責編:張雲靜
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  數據類型轉換
  2.6  註釋
  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：當索引不好用時怎麼辦
  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  迭代器和生成器
  5.8  後續思考
  5.9  小結
第6章  函數
  6.1  問題：如何實現代碼共享
  6.2  創建和調用函數
  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函數

  6.7  生成器函數
  6.8  把函數放在模塊中
  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  把類放在模塊中
  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機系統
  7.9  後續思考
  7.10  小結
第8章  文件與異常
  8.1  問題：Python如何獲取文件數據
  8.2  基本的文件操作
  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  通用函數
  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
  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  機器學習常用演算法
  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  損失函數
  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  選擇合適的優化器
  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程序的開發流程
  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

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032