本書內(nèi)容全面，既涵蓋項(xiàng)目實(shí)踐所需的Python語言基礎(chǔ)和實(shí)踐環(huán)節(jié)搭建，又涉及項(xiàng)目相關(guān)的技術(shù)原理和方法等理論知識(shí)介紹，還包含多個(gè)案例項(xiàng)目的實(shí)踐內(nèi)容。書中講解了Python 語言，包括Python的安裝、數(shù)據(jù)類型、涉及函數(shù)、文件讀/寫、第三方庫等知識(shí)；介紹了人工智能實(shí)戰(zhàn)基礎(chǔ)，包括數(shù)據(jù)庫預(yù)處理技術(shù)和方法，KNN算法、回歸分析應(yīng)用和其他機(jī)器學(xué)習(xí)技術(shù)等內(nèi)容；還講解了人工智能實(shí)戰(zhàn)進(jìn)階，包括自然語言處理、語音識(shí)別、圖像識(shí)別和神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)等內(nèi)容。
劉攀，上海商學(xué)院教授。近五年，主持和參與國家、省部級以上科研項(xiàng)目10項(xiàng)，主持教研課題3項(xiàng)；主編教材1部，字?jǐn)?shù)共計(jì)30萬字；公開發(fā)表論文30余篇，其中25篇被SCI或EI檢索、5篇北大核心；獲得國家發(fā)明專利2項(xiàng)，使用新型專利1項(xiàng)，多次帶隊(duì)參加各種學(xué)科競賽榮獲全國二等獎(jiǎng)2項(xiàng)，三等獎(jiǎng)8項(xiàng)，上海市級一等獎(jiǎng)1項(xiàng)，二等獎(jiǎng)2項(xiàng)，三等獎(jiǎng)12項(xiàng)，優(yōu)秀設(shè)計(jì)獎(jiǎng)若干。
黃務(wù)蘭，上海商學(xué)院副教授。近五年，主持及參與國家、省部級、地廳級科研項(xiàng)目6項(xiàng)，承擔(dān)教研課題2項(xiàng)；參編教材2部，字?jǐn)?shù)共計(jì)18萬字；公開發(fā)表論文10余篇，其中4篇CSSCI、2篇北大核心，1篇EI檢索論文。
魏忠，博士，上海海事大學(xué)電子商務(wù)專業(yè)副教授、管理科學(xué)專業(yè)碩士生導(dǎo)師、MBA\EMBA導(dǎo)師、西安電子科技大學(xué)計(jì)算機(jī)學(xué)院碩士生導(dǎo)師、東華大學(xué)計(jì)算機(jī)學(xué)院碩士生導(dǎo)師。出版了5本教育專著和發(fā)表50多篇文章，曾獲得上海高教成果一等獎(jiǎng)、二等獎(jiǎng)、三等獎(jiǎng)。講授《網(wǎng)絡(luò)智能技術(shù)與應(yīng)用》和《數(shù)據(jù)可視化》課程。
第一篇 Python語言
第1章 Python簡介 3
1.1 Python介紹 4
1.2 Python的環(huán)境配置 4
1.2.1 Python的安裝 4
1.2.2 IPython的安裝 7
1.2.3 PyCharm的安裝 10
1.2.4 Anaconda的安裝 16
1.3 本章小結(jié) 22
1.4 本章習(xí)題 22
第2章 Python人工智能之路——基礎(chǔ) 23
2.1 書寫格式和基本規(guī)則 24
2.2 數(shù)據(jù)類型 24
2.2.1 基本數(shù)據(jù)類型 24
2.2.2 特征數(shù)據(jù)類型 27
2.3 基本運(yùn)算和表達(dá)式 31
2.3.1 變量 31
2.3.2 算術(shù)運(yùn)算 31
2.4 基本流程控制 32
2.4.1 順序控制 32
2.4.2 條件控制（選擇控制） 32
2.4.3 循環(huán)控制 35
2.4.4 循環(huán)控制語句 37
2.5 函數(shù) 39
2.5.1 Python函數(shù) 39
2.5.2 參數(shù) 41
2.5.3 匿名函數(shù) 43
2.6 本章小結(jié) 45
2.7 本章習(xí)題 45
第3章 Python人工智能之路——進(jìn)階 47
3.1 正則表達(dá)式 48
3.1.1 基本語法和使用 48
3.1.2 貪婪匹配和非貪婪匹配 52
3.2 re模塊的內(nèi)置函數(shù) 53
3.2.1 匹配與搜索 53
3.2.2 切分與分組 57
3.3 圖形繪制 61
3.3.1 Tkinter庫的Canvas圖形繪制方法 61
3.3.2 Turtle庫的圖形繪制方法 64
3.3.3 Matplotlib庫的圖形繪制方法 67
3.4 文件讀/寫 70
3.4.1 文本文件和二進(jìn)制文件的區(qū)別 70
3.4.2 文件的打開和關(guān)閉 71
3.4.3 文件的讀取、寫入、追加 72
3.5 案例應(yīng)用 73
3.5.1 猜數(shù)字 73
3.5.2 CSV文件讀/寫 73
3.5.3 Web服務(wù)器的構(gòu)建 75
3.6 本章小結(jié) 77
3.7 本章習(xí)題 77
第4章 Python人工智能之路——第三方庫 78
4.1 第三方庫的安裝和使用 79
4.1.1 第三方庫的安裝 79
4.1.2 第三方庫的使用 81
4.2 NumPy庫 81
4.2.1 NumPy庫簡介 81
4.2.2 NumPy庫的應(yīng)用 82
4.3 Pandas庫 87
4.3.1 Pandas庫簡介 87
4.3.2 Series庫簡介 87
4.3.3 DataFrame庫簡介 93
4.3.4 數(shù)據(jù)分析和可視化 106
4.4 Sklearn庫 108
4.4.1 Sklearn庫簡介 108
4.4.2 Sklearn庫的應(yīng)用 109
4.5 Keras庫 113
4.5.1 Keras庫簡介 113
4.5.2 Keras庫的應(yīng)用 116
4.6 TensorFlow庫 117
4.6.1 TensorFlow庫簡介 117
4.6.2 TensorFlow庫的應(yīng)用 118
4.7 本章小結(jié) 120
4.8 本章習(xí)題 121
第二篇 人工智能實(shí)戰(zhàn)基礎(chǔ)
第5章 數(shù)據(jù)預(yù)處理技術(shù)和方法 125
5.1 數(shù)據(jù)預(yù)處理概述 126
5.2 缺失值處理 126
5.3 特征編碼 131
5.4 數(shù)據(jù)標(biāo)準(zhǔn)化和正則化 132
5.4.1 數(shù)據(jù)標(biāo)準(zhǔn)化 132
5.4.2 數(shù)據(jù)正則化 135
5.5 特征選擇 135
5.5.1 過濾式特征選擇 136
5.5.2 包裹式特征選擇 138
5.5.3 嵌入式特征選擇 139
5.6 稀疏表示和字典學(xué)習(xí) 140
5.7 主成分分析 141
5.8 本章小結(jié) 142
5.9 本章習(xí)題 142
第6章 KNN算法 144
6.1 KNN算法概述 145
6.1.1 KNN算法的基本原理 145
6.1.2 KNN算法的重要參數(shù) 146
6.1.3 KNN算法的特點(diǎn) 148
6.2 基于KNN算法的手寫字識(shí)別 148
6.2.1 項(xiàng)目背景 148
6.2.2 項(xiàng)目實(shí)戰(zhàn) 149
6.3 基于KNN算法的網(wǎng)站約會(huì)配對 152
6.3.1 項(xiàng)目背景 152
6.3.2 項(xiàng)目實(shí)戰(zhàn) 153
6.4 基于KNN算法的乳腺癌診斷 156
6.4.1 項(xiàng)目背景 156
6.4.2 項(xiàng)目實(shí)戰(zhàn) 157
6.5 本章小結(jié) 163
6.6 本章習(xí)題 163
第7章 回歸分析應(yīng)用 164
7.1 回歸分析概述 165
7.1.1 回歸分析的定義 165
7.1.2 線性回歸 166
7.1.3 邏輯回歸 168
7.1.4 多項(xiàng)式回歸 170
7.1.5 回歸模型的評價(jià)指標(biāo) 171
7.2 基于線性回歸預(yù)測鮑魚年齡 173
7.2.1 項(xiàng)目背景 173
7.2.2 項(xiàng)目實(shí)戰(zhàn) 174
7.3 基于邏輯回歸的病馬死亡率預(yù)測 178
7.3.1 項(xiàng)目背景 178
7.3.2 項(xiàng)目實(shí)戰(zhàn) 178
7.4 多項(xiàng)式回歸應(yīng)用案例 180
7.4.1 項(xiàng)目背景 180
7.4.2 項(xiàng)目實(shí)戰(zhàn) 181
7.5 本章小結(jié) 183
7.6 本章習(xí)題 184
第8章 其他機(jī)器學(xué)習(xí)技術(shù) 185
8.1 Apriori算法應(yīng)用 186
8.1.1 Apriori關(guān)聯(lián)分析概述 186
8.1.2 Apriori算法的原理和流程 188
8.1.3 Apriori算法實(shí)現(xiàn) 190
8.1.4 Apriori算法應(yīng)用案例 195
8.2 決策樹算法應(yīng)用 196
8.2.1 決策樹算法的基本概念 196
8.2.2 決策樹構(gòu)造算法 198
8.2.3 決策樹應(yīng)用案例 200
8.3 AdaBoost分類器應(yīng)用 202
8.3.1 AdaBoost分類器概述 202
8.3.2 應(yīng)用案例——泰坦尼克號(hào)生存率預(yù)測 204
8.4 網(wǎng)格搜索優(yōu)化模型參數(shù) 208
8.4.1 網(wǎng)格搜索概述 208
8.4.2 網(wǎng)格搜索應(yīng)用案例 211
8.5 本章小結(jié) 213
8.6 本章習(xí)題 214
第三篇 人工智能實(shí)戰(zhàn)進(jìn)階
第9章 自然語言處理 217
9.1 自然語言處理簡介 218
9.2 Python中文分詞 219
9.2.1 項(xiàng)目背景 219
9.2.2 項(xiàng)目實(shí)戰(zhàn) 229
9.3 TF-IDF算法解析 232
9.3.1 項(xiàng)目背景 232
9.3.2 項(xiàng)目實(shí)戰(zhàn) 234
9.4 意圖識(shí)別 236
9.4.1 項(xiàng)目背景 236
9.4.2 項(xiàng)目實(shí)戰(zhàn) 238
9.5 最大熵模型 241
9.5.1 項(xiàng)目背景 241
9.5.2 項(xiàng)目實(shí)戰(zhàn) 246
9.6 利用jieba庫和Tkinter庫進(jìn)行信息檢索 248
9.6.1 項(xiàng)目背景 248
9.6.2 項(xiàng)目實(shí)戰(zhàn) 248
9.7 NLP詞向量計(jì)算 250
9.7.1 項(xiàng)目背景 250
9.7.2 項(xiàng)目實(shí)戰(zhàn) 255
9.8 本章小結(jié) 262
9.9 本章習(xí)題 262
第10章 語音識(shí)別 265
10.1 語音識(shí)別簡介 266
10.2 Python+Keras實(shí)現(xiàn)IVA語音識(shí)別 267
10.2.1 項(xiàng)目背景 267
10.2.2 項(xiàng)目實(shí)戰(zhàn) 267
10.3 基于百度智能云和圖靈機(jī)器人的
語音交互 274
10.3.1 項(xiàng)目背景 274
10.3.2 項(xiàng)目實(shí)戰(zhàn) 274
10.4 利用pyttsx3庫合成文字語音 280
10.4.1 項(xiàng)目背景 280
10.4.2 項(xiàng)目實(shí)戰(zhàn) 282
10.5 本章小結(jié) 284
10.6 本章習(xí)題 284
第11章 圖像識(shí)別 286
11.1 圖像識(shí)別簡介 287
11.2 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像風(fēng)格遷移 287
11.2.1 項(xiàng)目背景 287
11.2.2 項(xiàng)目實(shí)戰(zhàn) 291
11.3 人臉識(shí)別技術(shù) 297
11.3.1 項(xiàng)目背景 297
11.3.2 項(xiàng)目實(shí)戰(zhàn) 298
11.4 本章小結(jié) 303
11.5 本章習(xí)題 303
第12章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 304
12.1 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)簡介 305
12.1.1 神經(jīng)網(wǎng)絡(luò) 305
12.1.2 深度學(xué)習(xí) 305
12.2 人工神經(jīng)網(wǎng)絡(luò)模型應(yīng)用—鳶尾花分類 311
12.2.1 項(xiàng)目背景 311
12.2.2 項(xiàng)目實(shí)戰(zhàn) 311
12.3 卷積神經(jīng)網(wǎng)絡(luò)模型 316
12.3.1 項(xiàng)目背景 316
12.3.2 項(xiàng)目實(shí)戰(zhàn) 317
12.4 本章小結(jié) 327
12.5 本章習(xí)題 327
參考文獻(xiàn) 328
書單推薦
