Python人工智能分析與實(shí)戰(zhàn)

第1章人工智能緒論
1.1人工智能的定義
1.2人工智能的研究方向
1.3三大類人工智能
1.4人工智能的三大學(xué)派
1.4.1符號(hào)主義學(xué)派
1.4.2連接主義學(xué)派
1.4.3行為主義學(xué)派
1.5人工智能的發(fā)展史
1.5.1人工智能的起源
1.5.2人工智能的發(fā)展歷程
1.6新一代人工智能
1.6.1新一代人工智能的主驅(qū)動(dòng)因素
1.6.2新一代人工智能的主要特征
1.7人工智能的關(guān)鍵技術(shù)
第2章Python編程與進(jìn)階
2.1Python特點(diǎn)
2.2Python搭建環(huán)境
2.3Jupyter Notebook的安裝與使用
2.3.1Jupyter Notebook的下載與安裝
2.3.2運(yùn)行Jupyter Notebook
2.3.3Jupyter Notebook的使用
2.4Python語(yǔ)法基礎(chǔ)
2.4.1Python編程基礎(chǔ)
2.4.2基本數(shù)據(jù)類型
2.4.3Python字符串
2.4.4列表
2.4.5元組
2.4.6字典
2.4.7集合
2.5程序控制
2.5.1順序結(jié)構(gòu)
2.5.2分支結(jié)構(gòu)
2.5.3循環(huán)結(jié)構(gòu)
2.6Python函數(shù)
2.6.1定義一個(gè)函數(shù)
2.6.2函數(shù)調(diào)用
2.7Python模塊
2.7.1引入模塊
2.7.2搜索路徑
2.7.3__name__屬性
2.7.4命名空間和作用域
2.7.5相關(guān)函數(shù)
第3章Python數(shù)學(xué)與算法
3.1枚舉算法
3.2遞推算法
3.3模擬算法
3.4邏輯推理
3.5冒泡排序
3.6選擇排序
3.7插入排序
3.8快速排序
3.9二分查找
3.10勾股樹(shù)
3.11玫瑰曲線
第4章機(jī)器學(xué)習(xí)大戰(zhàn)
4.1機(jī)器學(xué)習(xí)概述
4.1.1機(jī)器學(xué)習(xí)分類
4.1.2深度學(xué)習(xí)
4.1.3機(jī)器學(xué)習(xí)的應(yīng)用
4.2監(jiān)督學(xué)習(xí)
4.2.1kNN算法
4.2.2線性回歸
4.2.3邏輯回歸
4.2.4支持向量機(jī)
4.2.5樸素貝葉斯分類器
4.2.6決策樹(shù)
4.2.7隨機(jī)森林
4.3非監(jiān)督學(xué)習(xí)
4.3.1k均值聚類
4.3.2密度聚類
4.3.3層次聚類
4.3.4主成分分析
4.3.5高斯混合模型
4.3.6受限玻爾茲曼機(jī)
4.4半監(jiān)督學(xué)習(xí)
4.4.1半監(jiān)督思想
4.4.2半監(jiān)督算法的類別
4.4.3半監(jiān)督分類算法
4.4.4半監(jiān)督學(xué)習(xí)實(shí)戰(zhàn)
第5章神經(jīng)網(wǎng)絡(luò)大戰(zhàn)
5.1深度學(xué)習(xí)
5.1.1神經(jīng)網(wǎng)絡(luò)的基本概念
5.1.2深度學(xué)習(xí)的發(fā)展歷程
5.1.3深度學(xué)習(xí)基本理論
5.2人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5.2.1神經(jīng)元與感知器
5.2.2學(xué)習(xí)過(guò)程建模
5.2.3反向傳播
5.3卷積神經(jīng)網(wǎng)絡(luò)
5.3.1從神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)
5.3.2Python實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)
5.3.3實(shí)現(xiàn)模仿繪畫(huà)
5.4循環(huán)神經(jīng)網(wǎng)絡(luò)
5.4.1Keras中的循環(huán)層
5.4.2LSTM層和GRU層 
5.4.3循環(huán)神經(jīng)網(wǎng)絡(luò)的高級(jí)用法
第6章深度學(xué)習(xí)大戰(zhàn)
6.1TensorFlow深度學(xué)習(xí)概述
6.1.1深度學(xué)習(xí)特性
6.1.2深度學(xué)習(xí)的構(gòu)架
6.1.3深度學(xué)習(xí)的思想
6.2邁進(jìn)TensorFlow
6.2.1TensorFlow環(huán)境構(gòu)建
6.2.2Geany開(kāi)發(fā)環(huán)境
6.2.3TensorFlow編程基礎(chǔ)
6.3CTC模型及實(shí)現(xiàn)
6.4BiRNN實(shí)現(xiàn)語(yǔ)音識(shí)別
6.4.1語(yǔ)音識(shí)別背景
6.4.2獲取并整理樣本
6.4.3訓(xùn)練模型
6.5自編碼網(wǎng)絡(luò)實(shí)戰(zhàn)
6.5.1自編碼網(wǎng)絡(luò)的結(jié)構(gòu)
6.5.2自編碼網(wǎng)絡(luò)的代碼實(shí)現(xiàn)
6.6生成對(duì)抗網(wǎng)絡(luò)實(shí)戰(zhàn)
6.6.1GAN結(jié)構(gòu)
6.6.2GAN基本架構(gòu)
6.6.3GAN實(shí)戰(zhàn)
6.7深度神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
6.7.1AlexNet模型
6.7.2VGG模型
6.7.3GoogLeNet模型
6.7.4殘差網(wǎng)絡(luò)
6.7.5InceptionResNet v2結(jié)構(gòu)
6.7.6VGG藝術(shù)風(fēng)格轉(zhuǎn)移
第7章強(qiáng)化學(xué)習(xí)大戰(zhàn)
7.1深度強(qiáng)化學(xué)習(xí)的數(shù)學(xué)模型
7.1.1強(qiáng)化學(xué)習(xí)系統(tǒng)的基本模型
7.1.2基于值函數(shù)的深度強(qiáng)化學(xué)習(xí)算法
7.1.3基于策略梯度的深度強(qiáng)化學(xué)習(xí)算法
7.1.4AC算法
7.2SARSA算法
7.2.1SARSA算法概述
7.2.2SARSA算法流程
7.2.3SARSA算法實(shí)戰(zhàn)
7.3QLearning算法
7.4DQN算法
7.4.1DQN算法原理
7.4.2DQN算法實(shí)戰(zhàn)
第8章人工智能大戰(zhàn)
8.1爬蟲(chóng)實(shí)戰(zhàn)
8.1.1什么是爬蟲(chóng)
8.1.2網(wǎng)絡(luò)爬蟲(chóng)是否合法
8.1.3Beautiful Soup工具
8.1.4網(wǎng)絡(luò)爬蟲(chóng)實(shí)現(xiàn)
8.1.5創(chuàng)建云起書(shū)院爬蟲(chóng)
8.2智能聊天機(jī)器人實(shí)戰(zhàn)
8.2.1網(wǎng)頁(yè)自動(dòng)化
8.2.2語(yǔ)音處理
8.2.3圖形化用戶交互界面
8.2.4智能聊天機(jī)器人程序?qū)崿F(xiàn)
8.3餐飲菜單推薦引擎
8.3.1推薦問(wèn)題的描述
8.3.2協(xié)同過(guò)濾算法
8.3.3餐飲菜單實(shí)現(xiàn)
8.4人臉識(shí)別
8.4.1OpenCV
8.4.2人臉識(shí)別過(guò)程
8.4.3多線程
8.4.4人臉識(shí)別實(shí)現(xiàn)
參考文獻(xiàn)