123,123

內(nèi)容簡(jiǎn)介

　　《Python人工智能開發(fā)從入門到精通》主要介紹了Python進(jìn)行人工智能開發(fā)所需的技術(shù)、基礎(chǔ)設(shè)施、核心理念、實(shí)施方法與流程，以及實(shí)戰(zhàn)操作應(yīng)用。　全書共分3篇。1篇主要講解了人工智能開發(fā)中常用Python編程語(yǔ)言相關(guān)入門知識(shí)，包括：1章關(guān)于Python與開發(fā)環(huán)境配置、第2章 Python編程基礎(chǔ)、第3章 Python編程進(jìn)階；第2篇主要講解了人工智能開發(fā)相關(guān)知識(shí)的應(yīng)用，包括：第4章人工智能簡(jiǎn)介、第5章機(jī)器學(xué)習(xí)理論基礎(chǔ)、第6章 Python機(jī)器學(xué)習(xí)常用庫(kù)的應(yīng)用、第7章第一個(gè)機(jī)器學(xué)習(xí)項(xiàng)目、第8章典型的機(jī)器學(xué)習(xí)算法及應(yīng)用實(shí)戰(zhàn)、第9章深度學(xué)習(xí)算法理論、第10章深度學(xué)習(xí)之TensorFlow；第3篇通過(guò)3個(gè)綜合案例，以神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)問(wèn)題中的重要應(yīng)用為線索，介紹深度學(xué)習(xí)人工智能技術(shù)在計(jì)算機(jī)視覺(jué)任務(wù)中的實(shí)踐，包括：第11章人工智能識(shí)萬(wàn)物、第3篇：第12章人工智能知萬(wàn)物、第13章人工智能繪萬(wàn)物。

作者簡(jiǎn)介

　　楊柳，博士，重慶郵電大學(xué)專任教師。長(zhǎng)期從事軟件開發(fā)相關(guān)教學(xué)活動(dòng)，具有豐富的Python人工智能開發(fā)經(jīng)驗(yàn)。主要研究方向?yàn)槲锫?lián)網(wǎng)、數(shù)據(jù)分析、人工智能等。發(fā)表SCI論文9篇，主持國(guó)家縱向課題1項(xiàng)、省部級(jí)縱向課題1項(xiàng)，參與省部級(jí)縱向課題多項(xiàng)?！」?坦，博士，重慶郵電大學(xué)專任教師。主要研究方向?yàn)橛?jì)算機(jī)視覺(jué)、模式識(shí)別、以及機(jī)器學(xué)習(xí)等。發(fā)表SCI/EI論文12篇，其中第一作者論文8篇，申請(qǐng)國(guó)家發(fā)明專利6項(xiàng)，主持和主研國(guó)家及省部級(jí)課題6項(xiàng)?！◆斻y芝，碩士，長(zhǎng)江師范學(xué)院專任教師。長(zhǎng)期從事智能信息處理方面教學(xué)和實(shí)踐活動(dòng)指導(dǎo)，并具有相關(guān)硬件開發(fā)經(jīng)驗(yàn)。精通Python編程，在人工智能、機(jī)器學(xué)習(xí)方面，具有豐富的相關(guān)實(shí)踐經(jīng)驗(yàn)。主要研究方向?yàn)閭鞲行盘?hào)分析與處理、傳感信息挖掘、人工智能應(yīng)用開發(fā)等。

圖書目錄

Python基礎(chǔ)篇
第1章　關(guān)于Python與開發(fā)環(huán)境配置 2
1.1 Python入門 2
1.2 Python開發(fā)環(huán)境的配置 6
新手問(wèn)答 14
本章小結(jié) 14
第2章　Python編程基礎(chǔ) 15
2.1 基礎(chǔ)語(yǔ)法 15
2.2 數(shù)據(jù)類型 25
2.3 邏輯控制語(yǔ)句 31
2.4 函數(shù) 35
新手問(wèn)答 41
小試牛刀 41
本章小結(jié) 42
第3章　Python編程進(jìn)階 43
3.1 高級(jí)變量 43
3.2 面向?qū)ο缶幊?57
3.3 Python模塊 61
3.4 python神經(jīng)網(wǎng)絡(luò)小實(shí)例 65
新手問(wèn)答 67
小試牛刀 68
本章小結(jié) 68

人工智能篇
第4章　人工智能簡(jiǎn)介 70
4.1 人工智能概述 70
4.2 人工智能崛起的三大基石 76
4.3 深度學(xué)習(xí)的重要性 86
新手問(wèn)答 93
本章小結(jié) 94
第5章　機(jī)器學(xué)習(xí)理論基礎(chǔ) 95
5.1 機(jī)器學(xué)習(xí)概述 95
5.2 機(jī)器學(xué)習(xí)的4個(gè)分支 99
5.3 評(píng)估模型指標(biāo) 106
5.4 數(shù)據(jù)預(yù)處理、特征工程和特征學(xué)習(xí) 111
5.5 過(guò)擬合與欠擬合 113
5.6 機(jī)器學(xué)習(xí)通用工作流程 116
新手問(wèn)答 118
小試牛刀 118
本章小結(jié) 120
第6章　Python機(jī)器學(xué)習(xí)常用庫(kù)的應(yīng)用 121
6.1 NumPy—基礎(chǔ)科學(xué)計(jì)算庫(kù) 121
6.2 Pandas—數(shù)據(jù)分析的利器 146
6.3 Matplotlib—畫出優(yōu)美的圖形 173
6.4 scikit-learn—非常流行的Python機(jī)器學(xué)習(xí)庫(kù) 188
新手問(wèn)答 193
小試牛刀 193
本章小結(jié) 194
第7章　第一個(gè)機(jī)器學(xué)習(xí)項(xiàng)目 195
7.1 入門項(xiàng)目簡(jiǎn)介 195
7.2 數(shù)據(jù)導(dǎo)入 197
7.3 數(shù)據(jù)探索 199
7.4 數(shù)據(jù)可視化 204
7.5 算法評(píng)估 209
7.6 預(yù)測(cè)實(shí)施 212
新手問(wèn)答 213
小試牛刀 213
本章小結(jié) 214
第8章　典型的機(jī)器學(xué)習(xí)算法及應(yīng)用實(shí)戰(zhàn) 215
8.1 k-近鄰算法 215
8.2 樸素貝葉斯分類算法 224
8.3 支持向量機(jī) 235
8.4 PCA算法 244
8.5 k-均值算法 254
新手問(wèn)答 262
小試牛刀 263
本章小結(jié) 264
第9章　深度學(xué)習(xí)算法理論 265
9.1 深度學(xué)習(xí)基礎(chǔ) 265
9.2 神經(jīng)網(wǎng)絡(luò) 274
9.3 卷積神經(jīng)網(wǎng)絡(luò) 284
9.4 循環(huán)神經(jīng)網(wǎng)絡(luò) 289
新手問(wèn)答 299
小試牛刀 300
本章小結(jié) 302
第10章　深度學(xué)習(xí)之TensorFlow 303
10.1 主流的深度學(xué)習(xí)框架 303
10.2 TensorFlow環(huán)境搭建 307
10.3 TensorFlow基本知識(shí) 310
10.4 TensorFlow編程準(zhǔn)備 315
10.5 TensorFlow基本開發(fā)步驟 342
10.6 TensorFlow的可視化 348
新手問(wèn)答 353
小試牛刀 353
本章小結(jié) 354

實(shí)戰(zhàn)案例篇
第11章　人工智能識(shí)萬(wàn)物 356
11.1 卷積神經(jīng)網(wǎng)絡(luò)的前世今生 356
11.2 如何構(gòu)建更深的神經(jīng)網(wǎng)絡(luò) 369
11.3 神經(jīng)網(wǎng)絡(luò)的可遷移性 414
新手問(wèn)答 430
本章小結(jié) 430
第12章　人工智能知萬(wàn)物 431
12.1 區(qū)域卷積神經(jīng)網(wǎng)絡(luò) 431
12.2 快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò) 433
12.3 更快區(qū)域卷積神經(jīng)網(wǎng)絡(luò) 434
12.4 YOLO網(wǎng)絡(luò) 440
本章小結(jié) 466
第13章　人工智能繪萬(wàn)物 467
13.1 神經(jīng)藝術(shù)風(fēng)格遷移 468
13.2 基于TensorFlow的圖像風(fēng)格化實(shí)現(xiàn) 473
新手問(wèn)答 478
本章小結(jié) 478
參考文獻(xiàn) 479