Python 3破冰人工智能 從入門到實(shí)戰(zhàn)
定 價(jià)：59 元
叢書名：Python
- 作者：黃海濤
- 出版時(shí)間：2019/5/1
- ISBN：9787115504968
- 出 版 社：人民郵電出版社
- 中圖法分類：TP311.561
- 頁碼：229
- 紙張：
- 版次：01
- 開本：16開
本書創(chuàng)新性地從數(shù)學(xué)建模競(jìng)賽入手，深入淺出地講解了人工智能領(lǐng)域的相關(guān)知識(shí)。本書內(nèi)容基于Python 3.6，從人工智能領(lǐng)域的數(shù)學(xué)出發(fā)，到Python在人工智能場(chǎng)景下的關(guān)鍵模塊；從網(wǎng)絡(luò)爬蟲到數(shù)據(jù)存儲(chǔ)，再到數(shù)據(jù)分析；從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)，涉及自然語言處理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、推薦系統(tǒng)和知識(shí)圖譜等。
此外，本書還提供了近140個(gè)代碼案例和大量圖表，全面系統(tǒng)地闡述了算法特性，個(gè)別案例算法來自于工作經(jīng)驗(yàn)總結(jié)，力求幫助讀者學(xué)以致用。
數(shù)學(xué)基礎(chǔ)：從歷年數(shù)學(xué)建模競(jìng)賽入手，解讀人工智能中的數(shù)學(xué)方法。
編程實(shí)踐：100余個(gè)代碼實(shí)例，全面講解網(wǎng)絡(luò)爬蟲、數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)分析等內(nèi)容。
算法應(yīng)用：實(shí)戰(zhàn)案例輔以豐富圖解，詳盡分析人工智能算法特性及其應(yīng)用場(chǎng)景。
黃海濤（筆名零壹），算法工程師，網(wǎng)易云課堂“零壹課堂”主創(chuàng)人，CSDN博客專家，2018年度博客之星。曾先后參與開發(fā)多款人工智能產(chǎn)品，具有豐富項(xiàng)目經(jīng)驗(yàn)；精通數(shù)學(xué)建模，曾多次獲得競(jìng)賽獎(jiǎng)項(xiàng)。
第 1章 從數(shù)學(xué)建模到人工智能 1
1.1 數(shù)學(xué)建�！�1
1.1.1 數(shù)學(xué)建模與人工智能 1
1.1.2 數(shù)學(xué)建模中的常見問題 4
1.2 人工智能下的數(shù)學(xué) 12
1.2.1 統(tǒng)計(jì)量 12
1.2.2 矩陣概念及運(yùn)算 13
1.2.3 概率論與數(shù)理統(tǒng)計(jì) 16
1.2.4 高等數(shù)學(xué)——導(dǎo)數(shù)、微分、不定積分、定積分 19
第 2章 Python快速入門 24
2.1 安裝Python 24
2.1.1 Python安裝步驟 24
2.1.2 IDE的選擇 27
2.2 Python基本操作 28
2.2.1 第 一個(gè)小程序 28
2.2.2 注釋與格式化輸出 28
2.2.3 列表、元組、字典 34
2.2.4 條件語句與循環(huán)語句 37
2.2.5 break、continue、pass 40
2.3 Python高級(jí)操作 41
2.3.1 lambda 41
2.3.2 map 42
2.3.3 filter 43
第3章 Python科學(xué)計(jì)算庫NumPy 45
3.1 NumPy簡(jiǎn)介與安裝 45
3.1.1 NumPy簡(jiǎn)介 45
3.1.2 NumPy安裝 45
3.2 基本操作 46
3.2.1 初識(shí)NumPy 46
3.2.2 NumPy數(shù)組類型 47
3.2.3 NumPy創(chuàng)建數(shù)組 49
3.2.4 索引與切片 56
3.2.5 矩陣合并與分割 60
3.2.6 矩陣運(yùn)算與線性代數(shù) 62
3.2.7 NumPy的廣播機(jī)制 69
3.2.8 NumPy統(tǒng)計(jì)函數(shù) 71
3.2.9 NumPy排序、搜索 75
3.2.10 NumPy數(shù)據(jù)的保存 79
第4章 常用科學(xué)計(jì)算模塊快速入門 80
4.1 Pandas科學(xué)計(jì)算庫 80
4.1.1 初識(shí)Pandas 80
4.1.2 Pandas基本操作 82
4.2 Matplotlib可視化圖庫 94
4.2.1 初識(shí)Matplotlib 94
4.2.2 Matplotlib基本操作 96
4.2.3 Matplotlib繪圖案例 98
4.3 SciPy科學(xué)計(jì)算庫 100
4.3.1 初識(shí)SciPy 100
4.3.2 SciPy基本操作 101
4.3.3 SciPy圖像處理案例 103
第5章 Python網(wǎng)絡(luò)爬蟲 106
5.1 爬蟲基礎(chǔ) 106
5.1.1 初識(shí)爬蟲 106
5.1.2 網(wǎng)絡(luò)爬蟲的算法 107
5.2 爬蟲入門實(shí)戰(zhàn) 107
5.2.1 調(diào)用API 107
5.2.2 爬蟲實(shí)戰(zhàn) 112
5.3 爬蟲進(jìn)階—高效率爬蟲 113
5.3.1 多進(jìn)程 113
5.3.2 多線程 114
5.3.3 協(xié)程 115
5.3.4 小結(jié) 116
第6章 Python數(shù)據(jù)存儲(chǔ) 117
6.1 關(guān)系型數(shù)據(jù)庫MySQL 117
6.1.1 初識(shí)MySQL 117
6.1.2 Python操作MySQL 118
6.2 NoSQL之MongoDB 120
6.2.1 初識(shí)NoSQL 120
6.2.2 Python操作MongoDB 121
6.3 本章小結(jié) 123
6.3.1 數(shù)據(jù)庫基本理論 123
6.3.2 數(shù)據(jù)庫結(jié)合 124
6.3.3 結(jié)束語 125
第7章 Python數(shù)據(jù)分析 126
7.1 數(shù)據(jù)獲取 126
7.1.1 從鍵盤獲取數(shù)據(jù) 126
7.1.2 文件的讀取與寫入 127
7.1.3 Pandas讀寫操作 129
7.2 數(shù)據(jù)分析案例 130
7.2.1 普查數(shù)據(jù)統(tǒng)計(jì)分析案例 130
7.2.2 小結(jié) 139
第8章 自然語言處理 140
8.1 Jieba分詞基礎(chǔ) 140
8.1.1 Jieba中文分詞 140
8.1.2 Jieba分詞的3種模式 141
8.1.3 標(biāo)注詞性與添加定義詞 142
8.2 關(guān)鍵詞提取 144
8.2.1 TF-IDF關(guān)鍵詞提取 145
8.2.2 TextRank關(guān)鍵詞提取 147
8.3 word2vec介紹 150
8.3.1 word2vec基礎(chǔ)原理簡(jiǎn)介 150
8.3.2 word2vec訓(xùn)練模型 153
8.3.3 基于gensim的word2vec實(shí)戰(zhàn) 154
第9章 從回歸分析到算法基礎(chǔ) 160
9.1 回歸分析簡(jiǎn)介 160
9.1.1 “回歸”一詞的來源 160
9.1.2 回歸與相關(guān) 161
9.1.3 回歸模型的劃分與應(yīng)用 161
9.2 線性回歸分析實(shí)戰(zhàn) 162
9.2.1 線性回歸的建立與求解 162
9.2.2 Python求解回歸模型案例 164
9.2.3 檢驗(yàn)、預(yù)測(cè)與控制 166
第 10章 從K-Means聚類看算法調(diào)參 171
10.1 K-Means基本概述 171
10.1.1 K-Means簡(jiǎn)介 171
10.1.2 目標(biāo)函數(shù) 171
10.1.3 算法流程 172
10.1.4 算法優(yōu)缺點(diǎn)分析 174
10.2 K-Means實(shí)戰(zhàn) 174
第 11章 從決策樹看算法升級(jí) 180
11.1 決策樹基本簡(jiǎn)介 180
11.2 經(jīng)典算法介紹 181
11.2.1 信息熵 181
11.2.2 信息增益 182
11.2.3 信息增益率184
11.2.4 基尼系數(shù) 185
11.2.5 小結(jié) 185
11.3 決策樹實(shí)戰(zhàn) 186
11.3.1 決策樹回歸 186
11.3.2 決策樹的分類 188
第 12章 從樸素貝葉斯看算法多變 193
12.1 樸素貝葉斯簡(jiǎn)介 193
12.1.1 認(rèn)識(shí)樸素貝葉斯 193
12.1.2 樸素貝葉斯分類的工作過程 194
12.1.3 樸素貝葉斯算法的優(yōu)缺點(diǎn) 195
12.2 3種樸素貝葉斯實(shí)戰(zhàn) 195
第 13章 從推薦系統(tǒng)看算法場(chǎng)景 200
13.1 推薦系統(tǒng)簡(jiǎn)介 200
13.1.1 推薦系統(tǒng)的發(fā)展 200
13.1.2 協(xié)同過濾 201
13.2 基于文本的推薦 208
13.2.1 標(biāo)簽與知識(shí)圖譜推薦案例 209
13.2.2 小結(jié) 217
第 14章 從TensorFlow開啟深度學(xué)習(xí)之旅 218
14.1 初識(shí)TensorFlow 218
14.1.1 什么是TensorFlow 218
14.1.2 安裝TensorFlow 219
14.1.3 TensorFlow基本概念與原理 219
14.2 TensorFlow數(shù)據(jù)結(jié)構(gòu) 221
14.2.1 階 221
14.2.2 形狀 221
14.2.3 數(shù)據(jù)類型 221
14.3 生成數(shù)據(jù)十二法 222
14.3.1 生成Tensor 222
14.3.2 生成序列 224
14.3.3 生成隨機(jī)數(shù) 225
14.4 TensorFlow實(shí)戰(zhàn) 225
參考文獻(xiàn) 230
書單推薦
