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人工智慧實踐(微視頻版高等學校電腦專業系列教材)

  • 作者：編者:梁愛華//王雪嶠//倪景秀|責編:龍啟銘
  • 出版社：清華大學
  • ISBN：9787302606567
  • 出版日期：2022/07/01
  • 裝幀：平裝
  • 頁數：234
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞Python在人工智慧領域的應用進行組織，內容上盡可能涵蓋從Python到人工智慧應用的各個主要方面。全書共12章，分為4部分：第1部分(第1章)介紹人工智慧的概念、發展歷史及應用方向；第2部分(第2?4章)介紹Python的基礎知識、數據處理方法及相關的庫；第3部分(第5?6章)介紹人工智慧數學基礎和常用演算法；第4部分(第7?12章)通過應用實踐案例，介紹運用Python開發人工智慧實踐項目的步驟和方法。每章都附有拓展延伸部分和習題，拓展延伸部分介紹相關的拓展知識或閱讀材料，以便有興趣的讀者進一步鑽研探索。
    本書可以作為高等院校電腦、人工智慧及相關專業Python人工智慧或機器學習課程的教材，也可作為對人工智慧和Python感興趣人員的自學參考用書。
作者介紹
編者:梁愛華//王雪嶠//倪景秀|責編:龍啟銘
目錄
第1章  人工智慧概述
  1.1  什麼是人工智慧
  1.2  人工智慧的發展歷史
    1.2.1  曲折的發展史
    1.2.2  三大學派
    1.2.3  智能層次
  1.3  人工智慧的應用方向及場景
    1.3.1  三大技術方向
    1.3.2  典型應用領域
  1.4  人工智慧項目初體驗
  1.5  本章小結
  1.6  拓展延伸
  習題一
第2章  Python基礎及控制結構
  2.1  Python概述
    2.1.1  Python的發展歷史
    2.1.2  Python的應用領域
    2.1.3  Python的環境安裝
  2.2  Python基礎知識
    2.2.1  程序的格式框架
    2.2.2  賦值和輸入輸出
    2.2.3  基本數據類型
  2.3  基本控制結構
    2.3.1  分支結構
    2.3.2  循環結構
    2.3.3  異常處理
  2.4  本章小結
  2.5  拓展延伸
  習題二
第3章  Python函數及組合數據類型
  3.1  函數
    3.1.1  函數的定義與調用
    3.1.2  函數的參數傳遞
    3.1.3  函數的返回值
    3.1.4  局部變數和全局變數
    3.1.5  lambda函數
    3.1.6  函數遞歸
  3.2  組合數據類型
    3.2.1  序列類型
    3.2.2  集合類型
    3.2.3  映射類型
  3.3  本章小結
  3.4  拓展延伸
    3.4.1  jieba庫
    3.4.2  詞頻統計
  習題三
第4章  Python數據處理
  4.1  文件
    4.1.1  文件的概念
    4.1.2  文件的打開和關閉

    4.1.3  文件的讀寫
  4.2  數據格式
    4.2.1  二維數據格式
    4.2.2  高維數據格式
  4.3  常用標準庫
    4.3.1  math庫
    4.3.2  random庫
    4.3.3  json庫
    4.3.4  csv庫
  4.4  科學計算
  4.5  數據獲取
  4.6  數據分析
  4.7  數據可視化
    4.7.1  Matplotlib庫
    4.7.2  wordcloud庫
  4.8  AI相關的庫
  4.9  本章小結
  4.10  拓展延伸
  習題四
第5章  人工智慧數學基礎
  5.1  數學與人工智慧
  5.2  線性代數
    5.2.1  矩陣的概念及矩陣運算
    5.2.2  張量
    5.2.3  向量和矩陣的應用
    5.2.4  矩陣的運算
    5.2.5  矩陣的應用
    5.2.6  線性變換
    5.2.7  特殊矩陣
    5.2.8  矩陣的分塊
    5.2.9  行列式
    5.2.10  特徵值與特徵向量
    5.2.11  奇異值分解
  5.3  概率論
    5.3.1  概率論與人工智慧
    5.3.2  隨機試驗
    5.3.3  樣本點、樣本空間、隨機事件
    5.3.4  隨機變數
    5.3.5  分佈列
    5.3.6  特殊離散分佈
    5.3.7  分佈函數
    5.3.8  特殊連續分佈
    5.3.9  圖像的泊松雜訊與高斯雜訊
    5.3.10  隨機向量
    5.3.11  聯合分佈函數
    5.3.12  聯合概率密度
    5.3.13  條件概率、貝葉斯公式
    5.3.14  貝葉斯定理應用
    5.3.15  期望、方差
    5.3.16  協方差、相關係數、協方差矩陣

  5.4  最優化問題
    5.4.1  最優化問題的概念
    5.4.2  最優化問題的分類
    5.4.3  最優化問題求解
    5.4.4  幾種最優化演算法
  5.5  本章小結
  5.6  拓展延伸
  習題五
第6章  人工智慧常用演算法
  6.1  學習演算法概述
    6.1.1  學習演算法的定義
    6.1.2  機器學習演算法的理性認識
  6.2  機器學習的典型任務及分類
    6.2.1  機器學習整體流程
    6.2.2  機器學習基本概念
    6.2.3  數據與特徵的關係
    6.2.4  常見的數據清理與特徵選擇方式
    6.2.5  機器學習的訓練方法
    6.2.6  模型的有效性
    6.2.7  機器學習的性能評估
  6.3  機器學習常用演算法
    6.3.1  聚類
    6.3.2  回歸演算法
    6.3.3  決策樹
    6.3.4  支持向量機
    6.3.5  貝葉斯
  6.4  超參數和驗證集
    6.4.1  參數
    6.4.2  超參數
    6.4.3  留-法驗證
    6.4.4  交叉驗證
    6.4.5  隨機選取驗證集
    6.4.6  相似性評估方法
    6.4.7  相似性評估曲線
  6.5  模式識別基本步驟
    6.5.1  傳統的模式識別框架
    6.5.2  基於深度學習的模式識別框架
  6.6  本章小結
  6.7  拓展延伸
  習題六
第7章  項目實踐1：聊天機器人
  7.1  認識「聊天機器人」項目
    7.1.1  聊天機器人的分類
    7.1.2  聊天機器人的開發步驟
  7.2  文本表示
  7.3  文本相似度計算
  7.4  項目實現
    7.4.1  語料庫處理
    7.4.2  對話處理
  7.5  本章小結

  7.6  拓展延伸
  習題七
第8章  項目實踐2：識別優質客戶
  8.1  認識「識別優質客戶」項目
  8.2  聚類問題
  8.3  K-Means演算法
  8.4  項目實現
  8.5  本章小結
  8.6  拓展延伸
    8.6.1  K-Means
    8.6.2  elkan K-Means
    8.6.3  Mini Batch K-Means
  習題八
第9章  項目實踐3：慧眼識花
  9.1  認識「慧眼識花」項目
  9.2  分類問題
  9.3  kNN演算法
  9.4  項目實現
  9.5  本章小結
  9.6  拓展延伸
  習題九
第1O章  項目實踐4：購車意願預測
  10.1  認識「購車意願預測」項目
  10.2  邏輯回歸
  10.3  項目實現
  10.4  本章小結
  10.5  拓展延伸
  習題十
第11章  項目實踐5：房價我先知
  11.1  認識「房價我先知」項目
  11.2  線性回歸
  11.3  頁目實現
  11.4  本章小結
  11.5  拓展延伸
  習題十一
第12章  項目實踐6：人臉關鍵點檢測
  12.1  認識「人臉關鍵點檢測」項目
  12.2  YOLOv4-tiny介紹
  12.3  基於YOLOv4-tiny實現人臉關鍵點檢測
    12.3.1  主幹特徵提取網路
    12.3.2  錨框設計
    12.3.3  預測結果編碼
    12.3.4  損失函數設計
  12.4  項目實現
  12.5  本章小結
  12.6  拓展延伸
  習題十二
參考文獻

  • 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