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--智慧農業實踐(普通高等教育信息技術類系列教材)

  • 作者：編者:石禮娟//胡濱//姚雅鵑|責編:戴薇//吳超莉
  • 出版社：科學
  • ISBN：9787030824073
  • 出版日期：2025/06/01
  • 裝幀：平裝
  • 頁數：305
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書包括基礎篇和實踐篇。基礎篇主要介紹人工智慧概述與電腦程序設計、Python語言基礎、Python程序的控制結構、組合數據類型、函數、文件與異常等內容。實踐篇主要介紹數據處理與可視化、圖形圖像處理、機器學習、電腦視覺、自然語言處理等技術在農業領域的應用案例。本書以理論與實踐相結合為特點，既注重編程基礎的紮實掌握，又強調人工智慧技術在農業領域的實際應用。本書內容由淺入深，適合初學者快速入門，同時也為有一定基礎的讀者提供豐富的實踐案例和進階知識。
    本書適合程序設計初學者和高等院校學生、農業領域的研究人員以及對人工智慧技術感興趣的讀者參考。
作者介紹
編者:石禮娟//胡濱//姚雅鵑|責編:戴薇//吳超莉
目錄
基礎篇
  第1章  人工智慧概述與電腦程序設計
    1.1  人工智慧概述
    1.2  電腦程序設計
      1.2.1  電腦程序設計語言
      1.2.2  結構化程序設計
      1.2.3  面向對象程序設計
    1.3  Python的特點
    1.4  Python3.×編程環境的配置與編程實例
      1.4.1  Python2.×和Python3.×的區別
      1.4.2  編寫簡單Python程序
    本章小結
  第2章  Python語言基礎
    2.1  Python的語法特點
      2.1.1  註釋
      2.1.2  代碼縮進
      2.1.3  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
      2.3.1  變數的定義與使用
      2.3.2  理解Python中的變數
    2.4  基本數據類型及其轉換
      2.4.1  數字類型
      2.4.2  字元串類型
      2.4.3  布爾類型
      2.4.4  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  關係運算符
      2.5.4  邏輯運算符
      2.5.5  位運算符
      2.5.6  成員運算符和身份運算符
      2.5.7  運算符的優先順序和結合性
    2.6  基本輸入和輸出
      2.6.1  使用input()函數輸入
      2.6.2  使用print()函數輸出
    本章小結
  第3章  Python程序的控制結構
    3.1  程序的順序結構
    3.2  程序的分支結構
      3.2.1  單分支結構
      3.2.2  雙分支結構
      3.2.3  多分支結構
      3.2.4  分支結構的嵌套
    3.3  程序的循環結構
      3.3.1  while循環
      3.3.2  for循環

      3.3.3  循環控制：break和continue
      3.3.4  循環語句的else用法
      3.3.5  循環的嵌套
    3.4  程序設計應用實例
      3.4.1  遞推法編程實例
      3.4.2  窮舉法編程實例
      3.4.3  解析法編程實例
    本章小結
  第4章  組合數據類型
    4.1  列表
      4.1.1  創建列表
      4.1.2  訪問列表元素
      4.1.3  列表切片
      4.1.4  列表操作
      4.1.5  列表推導式
      4.1.6  列表的應用
    4.2  元組
      4.2.1  創建元組
      4.2.2  操作元組
      4.2.3  元組的拆包與封裝
      4.2.4  元組的應用
    4.3  字元串
      4.3.1  創建字元串
      4.3.2  操作字元串
      4.3.3  字元串的應用
    4.4  字典
      4.4.1  創建字典
      4.4.2  操作字典
      4.4.3  嵌套
      4.4.4  字典的應用
    4.5  集合
      4.5.1  創建集合
      4.5.2  操作集合
      4.5.3  集合的應用
    本章小結
  第5章  函數
    5.1  函數的使用
      5.1.1  函數的定義
      5.1.2  函數的調用與返回值
      5.1.3  形參和實參
    5.2  函數的參數
      5.2.1  引用傳遞
      5.2.2  必備參數
      5.2.3  命名參數
      5.2.4  默認參數
      5.2.5  不定長參數
      5.2.6  經典案例
    5.3  嵌套函數和lambda函數
      5.3.1  嵌套函數
      5.3.2  lambda函數

    5.4  變數的作用域
      5.4.1  使用global聲明全局變數
      5.4.2  嵌套函數中的nonlocal聲明
    5.5  遞歸函數
    本章小結
  第6章  文件與異常
    6.1  文件的定義、引用與分類
      6.1.1  文件的定義
      6.1.2  文件的引用
      6.1.3  文件的分類
    6.2  文件的打開與關閉
    6.3  文本文件的讀寫操作及其綜合應用
      6.3.1  文本文件的讀操作
      6.3.2  文本文件的寫操作
      6.3.3  文本文件的綜合應用
    6.4  二進位文件的讀寫操作
      6.4.1  使用pickle模塊讀寫二進位文件
      6.4.2  使用struct模塊讀寫二進位文件
    6.5  os模塊的使用
    6.6  JSON文件
      6.6.1  JSON概述
      6.6.2  JSON文件的格式
      6.6.3  JSON文件的讀寫
    6.7  異常處理
      6.7.1  異常概述
      6.7.2  使用try…except處理異常
      6.7.3  使用try…except…except處理異常
      6.7.4  使用try…except…else處理異常
      6.7.5  使用try…except…finally處理異常
    本章小結
實踐篇
  第7章  數據處理與可視化
    7.1  pandas庫
      7.1.1  pandas庫概述
      7.1.2  使用pandas庫進行數據處理與數據分析
      7.1.3  使用pandas庫進行數據治理
    7.2  numpy庫
      7.2.1  numpy庫概述
      7.2.2  numpy庫的應用
    7.3  matplotlib庫
      7.3.1  matplotlib庫概述
      7.3.2  matplotlib庫的應用
    7.4  綜合實例
      7.4.1  天氣預報圖
      7.4.2  羊只平均日增重
    本章小結
  第8章  圖形圖像處理
    8.1  圖形圖像基礎知識
      8.1.1  圖形和圖像
      8.1.2  圖像數字化及相關概念

    8.2  pillow庫簡介
      8.2.1  pillow庫的特點
      8.2.2  pillow庫的安裝
    8.3  pillow庫基礎知識
      8.3.1  創建Image對象
      8.3.2  Image對象屬性
      8.3.3  圖像保存與格式轉換
      8.3.4  圖像縮放及批量修改圖像
      8.3.5  圖像分離與合併
      8.3.6  圖像裁剪、複製與粘貼
      8.3.7  圖像的幾何變換
      8.3.8  圖像降噪處理
      8.3.9  繪圖與文字處理
      8.3.10  抓取屏幕
    8.4  pillow庫的應用
      8.4.1  生成驗證碼
      8.4.2  抓屏併合成GIF圖像
      8.4.3  pillow庫與numpy數組
      8.4.4  使用pillow庫進行圖像預處理
    本章小結
  第9章  機器學習
    9.1  機器學習概述
      9.1.1  機器學習的定義
      9.1.2  機器學習的發展歷史和應用領域
      9.1.3  機器學習演算法的類型
    9.2  機器學習準備
      9.2.1  機器學習庫與機器學習流程
      9.2.2  數據預處理
    9.3  現代農業中的分類問題
      9.3.1  分類問題的定義
      9.3.2  分類模型的評估指標
      9.3.3  SVM分類模型原理
      9.3.4  基於SVM模型的鳶尾花種類預測
    9.4  現代農業中的回歸問題
      9.4.1  回歸問題的定義
      9.4.2  回歸模型的評估指標
      9.4.3  人工神經網路模型及其原理
      9.4.4  基於神經網路的藍莓產量預測
    9.5  現代農業中的聚類問題
      9.5.1  聚類問題的定義
      9.5.2  聚類模型的評估指標
      9.5.3  K均值聚類模型原理
      9.5.4  基於K均值聚類模型的葡萄酒種類預測
    本章小結
  第10章  電腦視覺
    10.1  電腦視覺概述
      10.1.1  電腦視覺的發展
      10.1.2  深度學習與CNN
      10.1.3  典型的CNN
    10.2  深度學習框架概述

      10.2.1  深度學習框架簡介
      10.2.2  常用深度學習框架
    10.3  PyTorch框架概述
      10.3.1  為什麼選擇PyTorch框架
      10.3.2  PyTorch框架的發展歷程
      10.3.3  PyTorch框架的軟硬體要求
    10.4  電腦視覺與現代農業
      10.4.1  電腦視覺在現代農業中的主要應用
      10.4.2  深度學習的常用數據集格式
      10.4.3  YOLOv8模型
      10.4.4  植物病害數據集
      10.4.5  植物病害檢測模型訓練
    本章小結
  第11章  自然語言處理
    11.1  自然語言處理概述
    11.2  自然語言處理的關鍵技術
      11.2.1  正則表達式
      11.2.2  分詞
      11.2.3  詞性標注
      11.2.4  關鍵詞提取
      11.2.5  文本向量表示
      11.2.6  句法分析
    11.3  自然語言處理的應用
      11.3.1  文本分類
      11.3.2  農業信息問答系統
    本章小結
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