0人評分過此書
本书介绍了Python基础、机器学习，以及最好也最易学习的两个平台PyTorch和Keras。全书共20章，包括Python安装配置、Python语言基础、流程控制语句、序列、函数、对象、文件及异常处理、数据处理和分析的重要模块(NumPy、Pandas)、机器学习基础、机器学习常用调优方法、神经网络、卷积神经网络，以及使用PyTorch、Keras实现多个人工智能实战案例等。
- 版权信息
- 前言
-
第1章 Python安装配置
-
1.1 问题：Python能带来哪些优势？
-
1.2 安装Python
-
1.3 配置开发环境
-
1.4 试运行Python
-
1.5 后续思考
-
1.6 小结
-
-
第2章 变量和数据类型
-
2.1 问题：Python是如何定义变量的？
-
2.2 变量
-
2.3 字符串
-
2.4 数字与运算符
-
2.5 数据类型转换
-
2.6 注释
-
2.7 后续思考
-
2.8 小结
-
-
第3章 列表和元组
-
3.1 问题：如何存取更多数据？
-
3.2 列表概述
-
3.3 访问列表元素的方法
-
3.4 对列表进行增、删、改
-
3.5 统计分析列表
-
3.6 组织列表
-
3.7 生成列表
-
3.8 元组
-
3.9 后续思考
-
3.10 小结
-
-
第4章 if语句与循环语句
-
4.1 问题：Python中的控制语句有何特点？
-
4.2 if语句
-
4.3 循环语句
-
4.4 后续思考
-
4.5 小结
-
-
第5章 字典和集合
-
5.1 问题：当索引不好用时怎么办？
-
5.2 一个简单的字典实例
-
5.3 创建和维护字典
-
5.4 遍历字典
-
5.5 集合
-
5.6 列表、元组、字典和集合的异同
-
5.7 迭代器和生成器
-
5.8 后续思考
-
5.9 小结
-
-
第6章 函数
-
6.1 问题：如何实现代码共享？
-
6.2 创建和调用函数
-
6.3 传递参数
-
6.4 返回值
-
6.5 传递任意数量的参数
-
6.6 lambda函数
-
6.7 生成器函数
-
6.8 把函数放在模块中
-
6.9 后续思考
-
6.10 小结
-
-
第7章 面向对象编程
-
7.1 问题：如何实现不重复造轮子？
-
7.2 类与实例
-
7.3 继承
-
7.4 把类放在模块中
-
7.5 标准库
-
7.6 包
-
7.7 实例1：使用类和包
-
7.8 实例2：银行ATM机系统
-
7.9 后续思考
-
7.10 小结
-
-
第8章 文件与异常
-
8.1 问题：Python如何获取文件数据？
-
8.2 基本的文件操作
-
8.3 目录操作
-
8.4 异常处理
-
8.5 后续思考
-
8.6 小结
-
-
第9章 NumPy基础
-
9.1 问题：为什么说NumPy是打开人工智能的一把钥匙？
-
9.2 生成NumPy数组
-
9.3 获取元素
-
9.4 NumPy的算术运算
-
9.5 数组变形
-
9.6 通用函数
-
9.7 广播机制
-
9.8 后续思考
-
9.9 小结
-
-
第10章 Pandas基础
-
10.1 问题：Pandas有哪些优势？
-
10.2 Pandas数据结构
-
10.3 Series
-
10.4 DataFrame
-
10.5 后续思考
-
10.6 小结
-
-
第11章 数据可视化
-
11.1 问题：为何选择Matplotlib？
-
11.2 可视化工具Matplotlib
-
11.3 绘制多个子图
-
11.4 Seaborn简介
-
11.5 图像处理与显示
-
11.6 Pyecharts简介
-
11.7 实例：词云图
-
11.8 后续思考
-
11.9 小结
-
-
第12章 机器学习基础
-
12.1 问题：机器学习如何学习？
-
12.2 机器学习常用算法
-
12.3 机器学习的一般流程
-
12.4 机器学习常用技巧
-
12.5 实例1：机器学习是如何学习的？
-
12.6 实例2：用Scikit-Learn实现电信客户流失预测
-
12.7 后续思考
-
12.8 小结
-
-
第13章 神经网络
-
13.1 问题：神经网络能代替传统机器学习吗？
-
13.2 单层神经网络
-
13.3 多层神经网络
-
13.4 输出层
-
13.5 损失函数
-
13.6 正向传播
-
13.7 误差反向传播
-
13.8 实例：用Python实现手写数字的识别
-
13.9 后续思考
-
13.10 小结
-
-
第14章 用PyTorch实现神经网络
-
14.1 为何选择PyTorch？
-
14.2 安装配置
-
14.3 Tensor简介
-
14.4 autograd机制
-
14.5 构建神经网络的常用工具
-
14.6 数据处理工具
-
14.7 实例1：用PyTorch实现手写数字识别
-
14.8 实例2：用PyTorch解决回归问题
-
14.9 小结
-
-
第15章 卷积神经网络
-
15.1 问题：传统神经网络有哪些不足？
-
15.2 卷积神经网络
-
15.3 实例：用PyTorch完成图像识别任务
-
15.4 后续思考
-
15.5 小结
-
-
第16章 提升模型性能的几种技巧
-
16.1 问题：为什么有些模型尝试了很多方法仍然效果不佳？
-
16.2 找到合适的学习率
-
16.3 正则化
-
16.4 合理的初始化
-
16.5 选择合适的优化器
-
16.6 GPU加速
-
16.7 后续思考
-
16.8 小结
-
-
第17章 Keras入门
-
17.1 问题：为何选择Keras架构？
-
17.2 Keras简介
-
17.3 Keras常用概念
-
17.4 Keras常用层
-
17.5 神经网络核心组件
-
17.6 Keras的开发流程
-
17.7 实例：Keras程序的开发流程
-
17.8 后续思考
-
17.9 小结
-
-
第18章 用Keras实现图像识别
-
18.1 实例1：用自定义模型识别手写数字
-
18.2 实例2：用预训练模型识别图像
-
18.3 后续思考
-
18.4 小结
-
-
第19章 用Keras实现迁移学习
-
19.1 问题：如何发挥小数据的潜力？
-
19.2 迁移学习简介
-
19.3 迁移学习常用方法
-
19.4 实例：用Keras实现迁移学习
-
19.5 后续思考
-
19.6 小结
-
-
第20章 用Keras实现风格迁移
-
20.1 问题：如何捕捉图像风格？
-
20.2 通道与风格
-
20.3 内容损失与风格损失
-
20.4 格拉姆矩阵简介
-
20.5 实例：用Kreras实现风格迁移
-
20.6 后续思考
-
20.7 小结
-
- 出版地 ： 中國大陸
- 語言 ： 簡體中文
評分與評論
請登入後再留言與評分
EPUB
EPUB
EPUB
PDF
EPUB
