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程序設計(面向人工智慧應用開發TensorFlow\Keras\PyTorch面向新工科高等院校大數據專業系列教材)

  • 作者：編者:張曉華//井超//李輝|責編:王斌//解芳
  • 出版社：機械工業
  • ISBN：9787111800996
  • 出版日期：2026/02/01
  • 裝幀：平裝
  • 頁數：315
人民幣：RMB 89.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本Python程序設計教程，除了系統介紹Python程序開發，還重點介紹了面向人工智慧應用的開發。全書共10章，內容包括Python與人工智慧；Python程序設計基礎；Python程序設計進階；人工智慧應用開發的常用演算法與模型；NumPy：生成和處理數據；Pandas：分析數據；Matplotlib：數據可視化；使用TensorFlow開發AI應用；基於Keras的AI應用開發實踐；使用PyTorch實現機器學習應用。
    本書理論結合實際，具有鮮明的實踐特色，能夠很好地滿足高校人工智慧相關專業人才培養的需求和人工智慧相關崗位開發者的技能提升需求。
作者介紹
編者:張曉華//井超//李輝|責編:王斌//解芳
目錄
前言
第1章  Python與人工智慧
  1.1  人工智慧概述
    1.1.1  人工智慧的概念
    1.1.2  人工智慧的發展歷程
    1.1.3  人工智慧的知識體系及應用領域
  1.2  人工智慧應用開發利器Python
    1.2.1  Python是什麼
    1.2.2  Python的特點
    1.2.3  Python可以做什麼
    1.2.4  Python與人工智慧
  1.3  基於Python的主流AI開發工具
    1.3.1  NumPy庫
    1.3.2  Pandas庫
    1.3.3  Matplotlib庫
    1.3.4  TensorFlow庫
    1.3.5  Keras庫
    1.3.6  PyTorch庫
    1.3.7  PyTorch與TensorFlow的對比
  本章練習
第2章  Python程序設計基礎
  2.1  Python的安裝
    2.1.1  Python解釋器的安裝
    2.1.2  PyCharm集成開發環境的安裝
    2.1.3  Python包管理工具pip
    2.1.4  Python相關的文件
  2.2  Python語法基礎
    2.2.1  註釋
    2.2.2  Python語言的關鍵字
    2.2.3  Python的標識符
    2.2.4  Python的內置常量
    2.2.5  Python的內置函數
  2.3  Python引用
    2.3.1  命名空間
    2.3.2  模塊的導入與使用
  2.4  Python的基本數據類型
  2.5  Python的運算符與表達式
  2.6  Python的代碼編寫規範
  本章練習
第3章  Python程序設計進階
  3.1  Python數據結構、程序流程式控制制、函數與文件
    3.1.1  Python數據結構
    3.1.2  Python程序流程式控制制
    3.1.3  異常處理
    3.1.4  函數
    3.1.5  文件
  3.2  Python面向對象程序設計
    3.2.1  類
    3.2.2  類方法、實例方法、靜態方法
    3.2.3  對象

    3.2.4  封裝、繼承、多態
    3.2.5  面向對象案例精析
  本章練習
第4章  人工智慧應用開發的常用演算法與模型
  4.1  監督學習模型
    4.1.1  決策樹
    4.1.2  貝葉斯分類演算法
    4.1.3  神經網路
    4.1.4  支持向量機（SVM）
    4.1.5  集成學習分類模型
    4.1.6  其他分類學習模型
  4.2  無監督學習模型
    4.2.1  K-means聚類
    4.2.2  基於密度的聚類
    4.2.3  層次聚類方法
    4.2.4  譜聚類
  4.3  半監督學習
    4.3.1  半監督學習概述
    4.3.2  Multi-view algorithm（多視角演算法）
    4.3.3  Graph-Based Algorithms（基於圖的演算法）
  4.4  文本處理模型
    4.4.1  分詞模型
    4.4.2  TF-IDF模型
    4.4.3  LDA模型
  4.5  強化學習
    4.5.1  強化學習概述
    4.5.2  基本模型和原理
    4.5.3  網路模型設計
  4.6  深度學習
    4.6.1  概要介紹
    4.6.2  深度學習的特點
    4.6.3  深度學習的典型模型
    4.6.4  深度學習的訓練過程
    4.6.5  深度學習的常見應用
  4.7  模型評價指標
    4.7.1  模型評價概述
    4.7.2  常用的模型評價方法
  4.8  人工神經網路
    4.8.1  人工神經網路概述
    4.8.2  網路模型
    4.8.3  人工神經網路的應用分析
    4.8.4  多層神經網路
    4.8.5  激活函數
    4.8.6  卷積神經網路
    4.8.7  循環神經網路
  4.9  人工智慧應用的構建
    4.9.1  數據處理
    4.9.2  模型設計
    4.9.3  模型訓練
    4.9.4  模型評估

    4.9.5  模型測試
    4.9.6  模型部署
  本章練習
第5章  NumPy：生成和處理數據
  5.1  NumPy的安裝
  5.2  NumPy入門
    5.2.1  數值計算
    5.2.2  是否使用NumPy的運行時間對比
    5.2.3  數組和矩陣計算
  5.3  NumPy數組操作相關函數
  5.4  NumPy數學函數
    5.4.1  NumPy常用數學函數基礎
    5.4.2  NumPy常用統計函數
    5.4.3  NumPy常用向量和矩陣函數
  5.5  NumPy數據分類案例
    5.5.1  線性回歸的基本概念
    5.5.2  損失函數的設置
    5.5.3  Python程序實現
  本章練習
第6章  Pandas：分析數據
  6.1  Pandas
    6.1.1  Pandas的由來
    6.1.2  安裝Pandas庫
  6.2  Series
    6.2.1  創建Series對象
    6.2.2  Series屬性
    6.2.3  Series常用方法
    6.2.4  Series對象數據繪圖
  6.3  DataFrame
    6.3.1  DataFrame概念
    6.3.2  創建DataFrame對象
    6.3.3  DataFrame屬性
    6.3.4  DataFrame索引和切片
    6.3.5  DataFrame數據分析
    6.3.6  DataFrame對象可視化
  6.4  基於Bank Marketing數據集的營銷活動分析
    6.4.1  數據集概述和數據結構
    6.4.2  數據的基本信息
    6.4.3  客戶數據分析
    6.4.4  營銷活動數據分析
    6.4.5  完整代碼及運行結果
  本章練習
第7章  Matplotlib：數據可視化
  7.1  Matplotlib基礎
  7.2  Matplotlib常見繪圖屬性
    7.2.1  編寫Matplotlib程序
    7.2.2  繪圖參數
    7.2.3  Matplotlib的字體
    7.2.4  其他繪圖設置
  7.3  Matplotlib基本繪圖

    7.3.1  折線圖
    7.3.2  散點圖
    7.3.3  雙軸圖
    7.3.4  條形圖
    7.3.5  直方圖
    7.3.6  餅圖
    7.3.7  箱型圖
    7.3.8  泡泡圖
    7.3.9  等高線圖
    7.3.10  3D曲線圖
    7.3.11  3D散點圖
    7.3.12  3D等高線圖
    7.3.13  3D線框圖
    7.3.14  3D曲面圖
  7.4  Matplotlib繪製互動式動態圖形
    7.4.1  Matplotlib的事件綁定
    7.4.2  Matplotlib常用事件
    7.4.3  使用Matplotlib繪製動態圖形
  7.5  使用NumPy、Pandas、Matplotlib進行電影數據分析與可視化
    7.5.1  獲取數據
    7.5.2  電影評分分佈圖
    7.5.3  電影時長分佈圖
    7.5.4  統計電影分類
  本章練習
第8章  使用TensorFlow開發AI應用
  8.1  TensorFlow的基本概念
  8.2  TensorFlow運行原理
    8.2.1  張量
    8.2.2  變數
    8.2.3  數據流圖和會話
  8.3  TensorFlow深度學習
    8.3.1  激活函數
    8.3.2  卷積函數
    8.3.3  池化操作
    8.3.4  分類函數
    8.3.5  優化器
  8.4  TensorFlow實踐案例
    8.4.1  卷積神經網路的構建
    8.4.2  基於循環神經網路的長短期記憶模型
    8.4.3  基於簡單循環神經網路的股票預測
  本章練習
第9章  基於Keras的AI應用開發實踐
  9.1  Keras基礎
    9.1.1  安裝Keras
    9.1.2  實現卷積神經網路
    9.1.3  模型的載入及保存
  9.2  Keras中的神經網路層
    9.2.1  序列化模型
    9.2.2  函數化模型
    9.2.3  核心層

    9.2.4  優化器
    9.2.5  損失函數
    9.2.6  激活函數
  9.3  Keras案例
    9.3.1  基於Keras的電影評論分類問題
    9.3.2  基於Keras構建卷積神經網路
    9.3.3  基於Keras構建循環神經網路
  本章練習
第10章  使用PyTorch實現機器學習應用
  10.1  PyTorch開發流程
  10.2  PyTorch開發案例
    10.2.1  基於PyTorch的邏輯回歸
    10.2.2  基於PyTorch構建卷積神經網路LeNet-5
    10.2.3  基於PyTorch實現循環神經網路預測
  本章練習
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