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與人工智慧編程--基礎與實驗(微課視頻版大數據與人工智慧面向數字化時代高等學校電腦系列教材)

  • 作者：編者:張敏|責編:葛鵬程//薛陽
  • 出版社：清華大學
  • ISBN：9787302682776
  • 出版日期：2025/02/01
  • 裝幀：平裝
  • 頁數：239
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要面向Python編程零基礎初學者，將基礎知識歸納為5部分：Python編程基礎、重要的第三方庫、機器學習基礎與Scikit-learn框架、深度學習基礎與PyTorch框架、基於大語言模型的自然語言處理編程。
    本書具有實例豐富、操作性強、簡單易學等特點。為了有效提升初學者的人工智慧編程能力，強調「做中學」，將5部分基礎知識設計成26個上機實驗，同時為每個實驗部分安排實驗作業，便於讀者對人工智慧基礎知識的理解和掌握。
    本書可作為高等院校電腦類相關專業的「人工智慧」等課程的教材，也可作為感興趣讀者的自學讀物，還可作為相關行業技術人員的參考用書。
作者介紹
編者:張敏|責編:葛鵬程//薛陽
目錄
資源下載
第1部分  Python編程基礎
  實驗1  集成開發環境的安裝及Jupyter Notebook的使用
    1.1  下載Anaconda安裝包
    1.2  Anaconda的安裝步驟
    1.3  Jupyter Notebook的使用教程
    實驗作業
  實驗2  基礎語法
    2.1  Python的語法基礎
      2.1.1  註釋
      2.1.2  代碼縮進
      2.1.3  代碼編碼規範
    2.2  保留字與標識符
      2.2.1  保留字
      2.2.2  標識符
    2.3  變數
    2.4  基本數據類型
      2.4.1  數字類型
      2.4.2  布爾類型
      2.4.3  字元串類型
      2.4.4  Python字元串的格式化輸出
      2.4.5  數據類型轉換
    2.5  運算符
      2.5.1  算術運算符
      2.5.2  賦值運算符
      2.5.3  比較(關係)運算符
      2.5.4  邏輯運算符
      2.5.5  運算符的優先順序
    2.6  Python的6種基本數據結構
      2.6.1  列表創建
      2.6.2  列表索引、切片和遍歷
      2.6.3  列表的函數與方法
    2.7  基本的輸入和輸出函數
      2.7.1  使用input()函數輸入
      2.7.2  使用print()函數輸出
    2.8  Python模塊和包
    2.9  Python文件操作
    實驗作業
  實驗3  Python控制語句與程序調試
    3.1  控制語句
    3.2  程序調試
    實驗作業
  實驗4  函數與異常處理
    4.1  函數的創建和調用
      4.1.1  創建函數
      4.1.2  調用函數
    4.2  參數傳遞
      4.2.1  形式參數和實際參數
      4.2.2  位置參數
      4.2.3  關鍵字參數

      4.2.4  默認參數
      4.2.5  不定長參數
    4.3  返回值
    4.4  變數的作用域
      4.4.1  局部變數
      4.4.2  全局變數
    4.5  匿名函數(lambda)
    4.6  異常處理
      4.6.1  常見異常
      4.6.2  異常處理語法
    實驗作業
  實驗5  面向對象編程
    5.1  面向對象編程概述
      5.1.1  對象
      5.1.2  類
      5.1.3  封裝、繼承和多態
    5.2  類的定義和使用
      5.2.1  定義類
      5.2.2  創建類實例
      5.2.3  屬性
      5.2.4  方法
      5.2.5  封裝
      5.2.6  繼承
      5.2.7  多態
    實驗作業
第2部分  重要的第三方庫
  實驗6  NumPy基礎知識
    6.1  NumPy簡介和數據類型
    6.2  創建ndarray數組對象
      6.2.1  使用array()函數創建NumPy數組
      6.2.2  使用linspace生成等間距的一維數組
      6.2.3  使用zeros()、ones()、full()、empty()函數創建NumPy數組
      6.2.4  使用arange()函數創建NumPy數組
      6.2.5  使用random.rand()函數生成隨機數數組
      6.2.6  使用asarray()函數創建NumPy數組
      6.2.7  使用numpy.reshape()函數改變數組形狀
    實驗作業
  實驗7  NumPy常用操作
    7.1  數組元素操作
      7.1.1  切片索引
      7.1.2  高級索引
    7.2  廣播機制
    7.3  NumPy元素的基本操作
      7.3.1  四則運算
      7.3.2  冪運算和開方
      7.3.3  邏輯運算
      7.3.4  三角函數
      7.3.5  條件表達式
    實驗作業
  實驗8  Pandas基礎知識

    8.1  Pandas簡介
    8.2  Pandas數據結構
      8.2.1  一維數組Series
      8.2.2  二維數組DataFrame
    實驗作業
  實驗9  Pandas常用操作
    9.1  Pandas數據導入
      9.1.1  導入Excel數據
      9.1.2  導入CSV文件
      9.1.3  導入HTML網頁
    9.2  Pandas常用數據處理方法
      9.2.1  數據選擇
      9.2.2  數據刪減
      9.2.3  數據填充
      9.2.4  數據可視化
      9.2.5  apply函數
    實驗作業
  實驗10  Matplotlib基礎與實驗
    10.1  Matplotlib常見圖繪製
      10.1.1  圖形基礎結構
      10.1.2  繪製曲線圖及散點圖
      10.1.3  繪製直方圖和條形圖
      10.1.4  繪製餅圖和雷達圖
      10.1.5  繪製3D圖形
    10.2  Matplotlib高級應用及技巧
      10.2.1  Matplotlib的高級應用
      10.2.2  Matplotlib的優化技巧
    實驗作業
第3部分  機器學習基礎與Scikit-learn框架
  實驗11  機器學習與Scikit-learn框架的基礎知識
    11.1  什麼是機器學習
    11.2  機器學習的常見分類
    11.3  Scikit-learn簡介
    11.4  Scikit-learn的常用數據集及應用
    實驗作業
  實驗12  Scikit-learn開發流程及通用模板
    12.1  Scikit-learn開發流程
    12.2  Scikit-learn開發通用模板一
    12.3  Scikit-learn開發通用模板二
    12.4  Scikit-learn開發通用模板三
    實驗作業
  實驗13  隨機森林原理及應用
    13.1  隨機森林原理
    13.2  隨機森林的優勢和不足
    13.3  隨機森林應用舉例
    實驗作業
  實驗14  SVM原理及應用
    14.1  SVM基本概念
    14.2  SVM的優勢和不足
    實驗作業

  實驗15  模型評估原理及應用
    15.1  模型評估原理與流程
      15.1.1  模型評估原理
      15.1.2  模型評估基本知識
      15.1.3  評估流程
    15.2  模型評估的指標詳述
    實驗作業
第4部分  深度學習基礎與PyTorch框架
  實驗16  PyTorch的開發環境配置及Tensor的基本操作
    16.1  PyTorch的開發環境配置
    16.2  Tensor的基本操作
      16.2.1  創建Tensor
      16.2.2  索引和切片
      16.2.3  變形
      16.2.4  類型轉換
      16.2.5  數學運算
      16.2.6  廣播
      16.2.7  合併和堆疊
      16.2.8  分割
      16.2.9  其他操作
    實驗作業
  實驗17  PyTorch的開發流程與通用模板
    17.1  PyTorch的開發流程概述
    17.2  PyTorch的通用模板
    實驗作業
  實驗18  卷積神經網路的簡介及應用
    18.1  CNN的基礎知識
    18.2  CNN的應用實例
    實驗作業
  實驗19  長短期記憶網路的簡介及應用
    19.1  LSTM的基礎知識
    19.2  LSTM的應用實例
    實驗作業
  實驗20  深度神經網路的簡介及應用
    20.1  DNN的基礎知識
    20.2  DNN的應用實例
    實驗作業
第5部分  基於大語言模型的自然語言處理編程
  實驗21  Hugging Face框架
    21.1  Hugging Face的基礎知識
    21.2  Hugging Face開發環境搭建
    實驗作業
  實驗22  Hugging Face管道的介紹
    22.1  Transformer中管道的基本概念
    22.2  管道的基本組成和工作流程
      22.2.1  管道的基本組成
      22.2.2  管道的工作流程
    22.3  管道的功能和優勢
      22.3.1  管道的功能
      22.3.2  管道的優勢

    22.4  Pipeline任務列表
    22.5  管道使用示例
    實驗作業
  實驗23  文本分類
    23.1  文本分類簡述
    23.2  文本分類的任務
    23.3  文本分類方法
      23.3.1  基於規則的文本分類方法
      23.3.2  基於機器學習的文本分類方法
      23.3.3  基於深度學習的文本分類方法
      23.3.4  基於預訓練模型的文本分類方法
    23.4  基於預訓練模型的文本分類實戰案例
    實驗作業
  實驗24  文本生成
    24.1  文本生成簡述
    24.2  文本生成的任務
    24.3  文本生成方法
      24.3.1  基於規則的文本生成方法
      24.3.2  基於統計的文本生成方法
      24.3.3  基於預訓練模型的文本生成方法
    24.4  基於預訓練模型的文本生成實戰案例
    實驗作業
  實驗25  模型微調
    25.1  模型微調的定義
    25.2  微調模型的目的和意義
      25.2.1  模型微調目標
      25.2.2  微調模型的優點
    25.3  不同微調方法的比較與分析
    25.4  模型微調的步驟
    25.5  使用Trainer API微調模型
      25.5.1  Trainer類概述
      25.5.2  使用Trainer進行模型微調
    25.6  文本分類模型微調實戰案例
    實驗作業
  實驗26  網路數據爬取
    26.1  網路爬取助手XPath Helper
    26.2  XPath語法
      26.2.1  XPath語法應用舉例
      26.2.2  實戰收集網路評論數據
    實驗作業
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