Python 3破冰人工智能 從入門到實戰(zhàn)
定 價：59 元
叢書名：Python
- 作者：黃海濤
- 出版時間：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)學建模競賽入手，深入淺出地講解了人工智能領域的相關知識。本書內容基于Python 3.6，從人工智能領域的數(shù)學出發(fā)，到Python在人工智能場景下的關鍵模塊；從網絡爬蟲到數(shù)據(jù)存儲，再到數(shù)據(jù)分析；從機器學習到深度學習，涉及自然語言處理、機器學習、深度學習、推薦系統(tǒng)和知識圖譜等。
此外，本書還提供了近140個代碼案例和大量圖表，全面系統(tǒng)地闡述了算法特性，個別案例算法來自于工作經驗總結，力求幫助讀者學以致用。
數(shù)學基礎：從歷年數(shù)學建模競賽入手，解讀人工智能中的數(shù)學方法。
編程實踐：100余個代碼實例，全面講解網絡爬蟲、數(shù)據(jù)存儲與數(shù)據(jù)分析等內容。
算法應用：實戰(zhàn)案例輔以豐富圖解，詳盡分析人工智能算法特性及其應用場景。
黃海濤（筆名零壹），算法工程師，網易云課堂“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)多款人工智能產品，具有豐富項目經驗；精通數(shù)學建模，曾多次獲得競賽獎項。
第 1章 從數(shù)學建模到人工智能 1
1.1 數(shù)學建�！�1
1.1.1 數(shù)學建模與人工智能 1
1.1.2 數(shù)學建模中的常見問題 4
1.2 人工智能下的數(shù)學 12
1.2.1 統(tǒng)計量 12
1.2.2 矩陣概念及運算 13
1.2.3 概率論與數(shù)理統(tǒng)計 16
1.2.4 高等數(shù)學——導數(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高級操作 41
2.3.1 lambda 41
2.3.2 map 42
2.3.3 filter 43
第3章 Python科學計算庫NumPy 45
3.1 NumPy簡介與安裝 45
3.1.1 NumPy簡介 45
3.1.2 NumPy安裝 45
3.2 基本操作 46
3.2.1 初識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 矩陣運算與線性代數(shù) 62
3.2.7 NumPy的廣播機制 69
3.2.8 NumPy統(tǒng)計函數(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 常用科學計算模塊快速入門 80
4.1 Pandas科學計算庫 80
4.1.1 初識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科學計算庫 100
4.3.1 初識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網絡爬蟲 106
5.1 爬蟲基礎 106
5.1.1 初識爬蟲 106
5.1.2 網絡爬蟲的算法 107
5.2 爬蟲入門實戰(zhàn) 107
5.2.1 調用API 107
5.2.2 爬蟲實戰(zhàn) 112
5.3 爬蟲進階—高效率爬蟲 113
5.3.1 多進程 113
5.3.2 多線程 114
5.3.3 協(xié)程 115
5.3.4 小結 116
第6章 Python數(shù)據(jù)存儲 117
6.1 關系型數(shù)據(jù)庫MySQL 117
6.1.1 初識MySQL 117
6.1.2 Python操作MySQL 118
6.2 NoSQL之MongoDB 120
6.2.1 初識NoSQL 120
6.2.2 Python操作MongoDB 121
6.3 本章小結 123
6.3.1 數(shù)據(jù)庫基本理論 123
6.3.2 數(shù)據(jù)庫結合 124
6.3.3 結束語 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)計分析案例 130
7.2.2 小結 139
第8章 自然語言處理 140
8.1 Jieba分詞基礎 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 標注詞性與添加定義詞 142
8.2 關鍵詞提取 144
8.2.1 TF-IDF關鍵詞提取 145
8.2.2 TextRank關鍵詞提取 147
8.3 word2vec介紹 150
8.3.1 word2vec基礎原理簡介 150
8.3.2 word2vec訓練模型 153
8.3.3 基于gensim的word2vec實戰(zhàn) 154
第9章 從回歸分析到算法基礎 160
9.1 回歸分析簡介 160
9.1.1 “回歸”一詞的來源 160
9.1.2 回歸與相關 161
9.1.3 回歸模型的劃分與應用 161
9.2 線性回歸分析實戰(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、預測與控制 166
第 10章 從K-Means聚類看算法調參 171
10.1 K-Means基本概述 171
10.1.1 K-Means簡介 171
10.1.2 目標函數(shù) 171
10.1.3 算法流程 172
10.1.4 算法優(yōu)缺點分析 174
10.2 K-Means實戰(zhàn) 174
第 11章 從決策樹看算法升級 180
11.1 決策樹基本簡介 180
11.2 經典算法介紹 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 185
11.3 決策樹實戰(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 樸素貝葉斯簡介 193
12.1.1 認識樸素貝葉斯 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 195
12.2 3種樸素貝葉斯實戰(zhàn) 195
第 13章 從推薦系統(tǒng)看算法場景 200
13.1 推薦系統(tǒng)簡介 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 標簽與知識圖譜推薦案例 209
13.2.2 小結 217
第 14章 從TensorFlow開啟深度學習之旅 218
14.1 初識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)結構 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 生成隨機數(shù) 225
14.4 TensorFlow實戰(zhàn) 225
參考文獻 230
書單推薦
