內容大鋼
本書全面講述了Python的基礎知識和相關開發技術。全書分為三部分。共10章。第一部分為基礎篇(第1?5章)，介紹Python的起源和發展、開發工具、語法基礎、控制結構、複合數據結構、函數、科學計算庫NumPy以及繪圖工具Matplotlib等內容；第二部分為提高篇(第6?7章)，深入講解了機器學習典型演算法、神經網路典型演算法以及它們的Python開發實現過程；第三部分為高級篇(第8?10章)，主要介紹了圖像識別和人臉識別的原理方法以及它們的Python開發實現過程。
本書以人工智慧中的機器學習和深度學習為載體，突出Python開發技術的實際應用。在編寫體例上，以問題為導向，注重知行合一，按照由簡到難、由淺入深、螺旋上升的方式設置學習內容，引導讀者循序漸進地掌握基本原理方法，並熟練運用Python。
本書可作為人工智慧、機器學習、人臉識別等應用領域工程技術人員的參考手冊，也可作為大中專院校人工智慧、大數據科學與技術、自動化、機器人工程、智能儀器儀錶、機電一體化等專業及社會培訓班有關Python課程的培訓教材。
目錄
序
前言
基礎篇
第1章 初識Python
1.1 源碼世界的來源
1.2 探索Python的起源
1.2.1 繪製Python發展歷程圖
1.2.2 訓練1：Python語言來歷
1.2.3 訓練2：探索：Python優勢
1.2.4 訓練3：區分：Python 2與Python 3
1.3 感知Python的特點
1.3.1 Python思維導圖
1.3.2 訓練1：比較「自然語言」與「編程語言」
1.3.3 訓練2：探討編譯型和解釋型語言
1.3.4 訓練3：剖析Python的缺點
1.4 搭建Python的運行環境之海龜編輯器
1.4.1 關於海龜編譯器知識
1.4.2 訓練1：初探海龜編輯器
1.4.3 訓練2：嘗試第一個海龜小程序
1.4.4 訓練3：查找編譯問題
1.5 搭建Python的運行環境之PyCharm
1.5.1 下載PyCharm
1.5.2 訓練1：進入PyCharm的新世界
1.5.3 訓練2：倉4建PyCharm小項目
1.5.4 訓練3：查找PyCharm程序問題
1.5.5 訓練4：在Mac系統安裝PyCharm
第2章 變數與數據
2.1 變數魔法
2.1.1 變數相關知識
2.1.2 訓練1：加法大作戰
2.1.3 訓練2：修改程序錯誤
2.1.4 訓練3：數據的神奇調換
2.2 數和字元串
2.2.1 數據類型
2.2.2 訓練1：初識數字
2.2.3 訓練2：初識字元串
2.2.4 訓練3：happy birthday
2.3 圖書館的神秘之書
2.3.1 佔位符和轉義字元
2.3.2 訓練1：計算BMI
2.3.3 訓練2：初識佔位符
2.3.4 訓練3：阿短的進步之旅
第3章 認識序列
3.1 list召喚編程貓家族
3.1.1 列表
3.1.2 訓練1：簡單操作列表
3.1.3 訓練2：元素的增刪
3.1.4 訓練3：組織列表
3.2 源碼世界的元組與字典
3.2.1 元組與字典
3.2.2 訓練1：操作元組
3.2.3 訓練2：建立字典
3.2.4 訓練3：使用字典
3.2.5 訓練4：遍歷字典
3.2.6 訓練5：嵌套
第4章 條件與循環
4.1 條件判斷
4.1.1 條件語句
4.1.2 訓練1：尋找編號為偶數的聚餐人員
4.1.3 訓練2：判斷生涯階段
4.1.4 訓練3：挑選食物愛好
4.2 循環語句
4.2.1 Python的循環語句
4.2.2 訓練1：列寫編程貓家族的成員名單
4.2.3 訓練2：判斷最大值
4.2.4 訓練3：協助阿短尋找偶數
4.3 運算符
4.3.1 運算符的應用
4.3.2 訓練1：核算購物的花費
4.3.3 訓練2：比較食物的價格
4.3.4 訓練3：篩選參宴的客人
第5章 函數與模塊
5.1 Python函數
5.1.1 函數的基本知識
5.1.2 訓練1：在晚宴上唱一首歌曲
5.1.3 訓練2：進一步完善程序
5.1.4 訓練3：向阿短的朋友們介紹編程貓
5.1.5 訓練4：另一種介紹編程貓的方法
5.2 Python模塊
5.2.1 返回值與函數的基本應用
5.2.2 訓練1：編程貓的姓與名
5.2.3 訓練2：分配糖果
5.2.4 訓練3：晚宴上的菜品
5.2.5 訓練4：製作蛋糕
5.3 NumPy庫函數
5.3.1 NumPy庫
5.3.2 訓練1：計算數學函數
5.3.3 訓練2：計算算術函數
5.3.4 訓練3：調用統計函數
5.3.5 訓練4：對數組進行切片處理
5.3.6 訓練5：使用NumPy進行排序
5.3.7 訓練6：用NumPy計算矩陣
5.3.8 訓練7：用NumPy計算線性代數
5.4 Matplotlib庫函數
5.4.1 Matplotlib函數庫
5.4.2 訓練1：繪製正弦波
5.4.3 訓練2：同時繪製正弦和餘弦值
5.4.4 訓練3：繪製條形圖
5.4.5 訓練4：繪製點狀圖
5.4.6 訓練5：直接將數字轉換為圖形
5.4.7 訓練6：調用figure畫圖
5.4.8 訓練7：設置圖像的坐標軸
5.4.9 訓練8：繪製餅狀
提高篇
第6章 機器學習
6.1 機器學習認知
6.1.1 機器學習相關概念
6.1.2 訓練1：安裝Python機器學習常用庫
6.1.3 訓練2：繪製方程y=2x+5
6.2 KNN演算法研習及應用
6.2.1 KNN演算法要點
6.2.2 訓練1：電影分類
6.2.3 訓練2：鳶尾花數據分類
6.2.4 訓練3：手寫數字識別
6.3 決策樹與隨機森林分析應用
6.3.1 關於決策樹和隨機森林的相關概念
6.3.2 訓練1：決策樹可視化
6.3.3 訓練2：鳶尾花分類實驗
6.3.4 訓練3：決策樹與隨機森林比較實驗
6.4 線性回歸
6.4.1 代價函數和梯度下降法
6.4.2 訓練1：梯度下降法：一元線性回歸
6.4.3 訓練2：梯度下降法：多元線性回歸
6.4.4 訓練3：sklearn：多項式回歸
第7章 神經網路
7.1 神經網路基礎
7.1.1 神經元與感知器
7.1.2 訓練1：Python實現單層感知器
7.1.3 訓練2：感知器題目實戰
7.1.4 訓練3：單層感知器解決異或問題
7.2 多層感知器
7.2.1 BP神繹網路
7.2.2 訓練1：利用Python實現簡單的三層BP神經網路
7.2.3 訓練2：利用BP神經網路實現異或問題
7.2.4 訓練3：利用TensorFlow實現BP神經網路
7.3 卷積神經網路
7.3.1 TensorFlow卷積神經網路平台搭建
7.3.2 訓練1：MNIsT手寫數字識別
7.3.3 訓練2：基於CNN的MNIST手寫數字識別
高級篇
第8章 圖像處理
8.1 圖像處理基礎
8.1.1 圖像的基本知識
8.1.2 訓練1：幫助編程貓處理像素
8.1.3 訓練2：教阿短獲取圖像屬性
8.1.4 訓練3：感興趣區域ROI的提取
8.1.5 訓練4：通道的拆分與合併
8.2 圖像的運算
8.2.1 圖像的運算和幾何變換
8.2.2 訓練1：幫助阿短實現圖像融合
8.2.3 訓練2：教會阿短圖像縮放
8.2.4 訓練3：一起學習圖像翻轉
8.2.5 訓練4：閾值分割的最終實現
第9章 人臉初識
9.1 基於級聯分類器的人臉探測
9.1.1 級聯分類器
9.1.2 訓練1：靜態圖片的人臉檢測
9.1.3 訓練2：靜態圖片的表情識別
9.2 基於LBPH的人臉識別
9.2.1 LBPH演算法
9.2.2 訓練：LBPH人臉識別
9.3 視頻處理
9.3.1 視頻處理函數
9.3.2 訓練1：視頻流人臉檢測
9.3.3 訓練2：視頻流人臉識別
第10章 人臉識別
10.1 基於HOG人臉探測演算法
10.1.1 HOG(方向梯度直方圖)
&nb
[