包郵 Python人工智能

作者：李曉東

出版社：電子工業(yè)出版社出版時間：2021-06-01

開本： 16開 頁數(shù)： 390

本類榜單：計算機/網(wǎng)絡(luò)銷量榜

中圖價:¥44.6(5.0折) 定價 ~~¥89.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用

全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用

¥14.4¥45
>
決戰(zhàn)行測5000題(言語理解與表達)

決戰(zhàn)行測5000題(言語理解與表達)

¥44.1¥88
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路

軟件性能測試.分析與調(diào)優(yōu)實踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續(xù)交付

JAVA持續(xù)交付

¥58.1¥119
>
EXCEL最強教科書(完全版)(全彩印刷)

EXCEL最強教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學習

深度學習

¥92.4¥168

買過本商品的人還買了

你的奮斗,終將偉大
洪雪珍
¥14.4~~¥42.0~~

商品詳情
商品評論(0條)

中圖價:¥44.6 加入購物車

版權(quán)信息
內(nèi)容簡介
目錄
作者簡介

Python人工智能版權(quán)信息

ISBN：9787121413742
條形碼：9787121413742 ; 978-7-121-41374-2
裝幀：一般膠版紙
冊數(shù)：暫無
重量：暫無
所屬分類：
計算機/網(wǎng)絡(luò)
>
程序設(shè)計

Python人工智能內(nèi)容簡介

本書以Python為平臺，以將概念、實例和經(jīng)典應(yīng)用相結(jié)合的方式，介紹如何利用Python實現(xiàn)人工智能。全書分為9章，內(nèi)容包括：人工智能的基礎(chǔ)，人工智能背景下的科學計算，人工神經(jīng)網(wǎng)絡(luò)，遷移學習，網(wǎng)絡(luò)爬蟲，智能數(shù)據(jù)分析，機器學習，智能模型分析，人工智能的應(yīng)用。為了幫助讀者更好地掌握相關(guān)知識，書中每章節(jié)都通過理論與實例相結(jié)合的方式，讓讀者在掌握概念的同時，掌握程序設(shè)計方法，并能利用程序設(shè)計解決實際問題。

Python人工智能目錄

目錄
第1章人工智能的基礎(chǔ) 1
1．1 由數(shù)學建模走進人工智能 1
1．1．1 數(shù)學建模 1
1．1．2 人工智能背后的數(shù)學 4
1．2 為何用Python 12
1．2．1 選擇Python的原因 12
1．2．2 Python的優(yōu)勢 13
1．2．3 Python的安裝 13
1．2．4 使用pip安裝第三方庫 16
1．2．5 Python的變量 17
1．3 **個小程序 18
1．4 剖析程序 19
1．5 NumPy入門 23
1．5．1 NumPy的用法 23
1．5．2 廣播 27
1．5．3 向量化與“升維” 28
1．5．4 NumPy的應(yīng)用思想 31
第2章人工智能背景下的科學計算 32
2．1 Pandas科學計算庫 32
2．1．1 初識Pandas 32
2．1．2 Pandas的相關(guān)操作 34
2．2 Matplotlib可視化庫 48
2．2．1 初識Matplotlib 48
2．2．2 Matplotlib經(jīng)典應(yīng)用 51
2．3 SciPy科學計算庫 54
2．3．1 初識SciPy 54
2．3．2 SciPy經(jīng)典應(yīng)用 55
第3章人工神經(jīng)網(wǎng)絡(luò) 62
3．1 人工神經(jīng)網(wǎng)絡(luò)的概念 62
3．1．1 神經(jīng)元 62
3．1．2 人工神經(jīng)網(wǎng)絡(luò)的基本特征 64
3．2 神經(jīng)激活函數(shù) 64
3．2．1 線性激活函數(shù) 65
3．2．2 Sigmoid激活函數(shù) 65
3．2．3 雙曲正切激活函數(shù) 67
3．2．4 修正線性激活函數(shù) 68
3．2．5 PReLU激活函數(shù) 70
3．2．6 softmax激活函數(shù) 71
3．3 反向傳播 73
3．4 卷積神經(jīng)網(wǎng)絡(luò) 79
3．5 循環(huán)神經(jīng)網(wǎng)絡(luò) 85
3．5．1 普通循環(huán)神經(jīng)網(wǎng)絡(luò) 85
3．5．2 長短期記憶單元 89
3．6 生成對抗網(wǎng)絡(luò) 93
3．7 強化學習 99
3．7．1 Q學習 100
3．7．2 Q學習經(jīng)典應(yīng)用 101
3．7．3 深度Q學習 106
3．7．4 形式化損失函數(shù) 106
3．7．5 深度雙Q學習 107
3．7．6 深度Q學習的經(jīng)典應(yīng)用 108
3．8 受限玻爾茲曼機 123
3．8．1 RBM的架構(gòu) 123
3．8．2 RBM的經(jīng)典實現(xiàn) 124
3．9 自編碼器 128
3．9．1 自編碼器的架構(gòu) 128
3．9．2 自編碼器的經(jīng)典實現(xiàn) 129
第4章遷移學習 134
4．1 遷移學習概述 134
4．2 VGG16實現(xiàn)圖像風格轉(zhuǎn)移 135
4．3 糖尿病性視網(wǎng)膜病變檢測 142
4．3．1 病變數(shù)據(jù)集 142
4．3．2 損失函數(shù)定義 143
4．3．3 類別不平衡問題 143
4．3．4 預處理 144
4．3．5 仿射變換產(chǎn)生額外數(shù)據(jù) 145
4．3．6 網(wǎng)絡(luò)架構(gòu) 147
4．3．7 優(yōu)化器與交叉驗證 150
4．3．8 Python實現(xiàn) 151
第5章網(wǎng)絡(luò)爬蟲 159
5．1 初識爬蟲 159
5．2 爬蟲入門 160
5．2．1 入門基礎(chǔ) 160
5．2．2 爬蟲實戰(zhàn) 162
5．3 高效率爬蟲 167
5．3．1 多進程 167
5．3．2 多線程 169
5．3．3 協(xié)程 172
5．4 利用Scrapy實現(xiàn)爬蟲 174
5．4．1 安裝Scrapy 174
5．4．2 爬取招聘信息 176
第6章智能數(shù)據(jù)分析 182
6．1 數(shù)據(jù)獲取 182
6．1．1 從鍵盤獲取 182
6．1．2 讀取與寫入 182
6．1．3 Pandas讀寫操作 185
6．2 枚舉算法 187
6．2．1 枚舉定義 187
6．2．2 枚舉特點 187
6．2．3 枚舉經(jīng)典應(yīng)用 188
6．3 遞推問題 189
6．4 模擬問題 191
6．5 邏輯推理問題 193
6．6 排序問題 195
6．6．1 冒泡排序 195
6．6．2 選擇排序 196
6．6．3 桶排序 198
6．6．4 插入排序 200
6．6．5 快速排序 201
6．6．6 歸并排序 203
6．6．7 堆排序 205
6．7 二分查找 207
6．8 勾股樹 210
6．9 數(shù)據(jù)分析經(jīng)典案例 212
第7章機器學習 221
7．1 K-Means聚類算法 221
7．1．1 K-Means聚類算法概述 222
7．1．2 目標函數(shù) 222
7．1．3 K-Means聚類算法流程 222
7．1．4 K-Means聚類算法的優(yōu)缺點 223
7．1．5 K-Means聚類算法經(jīng)典應(yīng)用 224
7．2 kNN算法 226
7．2．1 kNN算法基本思想 226
7．2．2 kNN算法的重點 227
7．2．3 kNN算法經(jīng)典應(yīng)用 228
7．3 樸素貝葉斯算法 238
7．3．1 貝葉斯定理 239
7．3．2 樸素貝葉斯分類原理 239
7．3．3 樸素貝葉斯分類流程圖 240
7．3．4 樸素貝葉斯算法的優(yōu)缺點 240
7．3．5 樸素貝葉斯算法經(jīng)典應(yīng)用 240
7．4 廣義線性模型 245
7．4．1 線性模型 245
7．4．2 線性回歸 251
7．4．3 嶺回歸 253
7．4．4 套索回歸 258
7．4．5 彈性網(wǎng)絡(luò)回歸 261
7．5 決策樹算法 264
7．5．1 決策樹算法概述 264
7．5．2 經(jīng)典算法 264
7．5．3 決策樹算法經(jīng)典應(yīng)用 269
7．6 隨機森林 273
7．6．1 隨機森林概述 273
7．6．2 隨機森林的構(gòu)建 274
7．6．3 隨機森林的優(yōu)勢與不足 276
7．7 支持向量機 277
7．7．1 分類間隔 277
7．7．2 函數(shù)間距 279
7．7．3 幾何間距 279
7．7．4 核函數(shù) 281
7．7．5 支持向量機核函數(shù)的實現(xiàn) 284
7．7．6 核函數(shù)與參數(shù)選擇 286
7．8 數(shù)據(jù)預處理 289
7．9 數(shù)據(jù)降維 294
7．10 智能推薦系統(tǒng) 298
7．10．1 推薦問題的描述 298
7．10．2 協(xié)同過濾算法 298
7．10．3 協(xié)同過濾算法的實現(xiàn) 299
第8章智能模型分析 303
8．1 數(shù)據(jù)表達 303
8．2 數(shù)據(jù)升維 308
8．3 模型評估 314
8．4 優(yōu)化模型參數(shù) 318
8．5 可信度評估 322
8．6 管道模型 326
8．7 選擇和參數(shù)調(diào)優(yōu) 330
第9章人工智能的應(yīng)用 334
9．1 機器翻譯 334
9．1．1 神經(jīng)機器翻譯 334
9．1．2 實現(xiàn)英譯德 338
9．2 機器語音識別 344
9．2．1 CTC算法概念 344
9．2．2 RNN+CTC模型的訓練 345
9．2．3 利用CTC實現(xiàn)語音識別 347
9．3 利用OpenCV實現(xiàn)人臉識別 352
9．3．1 人臉檢測 352
9．3．2 檢測視頻的人臉 353
9．3．3 車牌檢測 354
9．3．4 目標檢測 355
9．4 GAN風格遷移 357
9．4．1 DiscoGAN的工作原理 357
9．4．2 CycleGAN的工作原理 358
9．4．3 預處理圖像 358
9．4．4 DiscoGAN生成器 360
9．4．5 DiscoGAN判別器 362
9．4．6 網(wǎng)絡(luò)構(gòu)建和損失函數(shù)的定義 363
9．4．7 構(gòu)建訓練過程 366
9．4．8 啟動訓練 369
9．5 利用OpenCV 實現(xiàn)風格遷移 372
9．6 聊天機器人 373
9．6．1 聊天機器人架構(gòu) 374
9．6．2 序列到序列模型 375
9．6．3 建立序列到序列模型 375
9．6．4 實現(xiàn)聊天機器人 376
9．7 餐飲菜單推薦引擎 383
參考文獻 390

展開全部

Python人工智能作者簡介

李曉東，男。2001年畢業(yè)于廣西師范大學，計算機應(yīng)用碩士學位�，F(xiàn)佛山科學技術(shù)學院電子信息工程學院計算機系副教授，系主任。主要研究方向：圖像處理與分析、人工智能及智能算法等。主持和參與省部級項目5項、市廳級項目4項。主編著作/教材4部。獲市級科技科技進步獎2項，通過省級成果鑒定4項。

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦

>
姑媽的寶刀
姑媽的寶刀
莫言
¥11.2~~¥30.0~~
>
人文閱讀與收藏·良友文學叢書:一天的工作
人文閱讀與收藏·良友文學叢書:一天的工作
魯迅
¥15.7~~¥45.8~~
>
莉莉和章魚
莉莉和章魚
[美]史蒂文·羅利著，祝文亭譯
¥15.3~~¥42.0~~
>
推拿
推拿
畢飛宇
¥12.2~~¥32.0~~
>
朝聞道
朝聞道
劉慈欣
¥16.5~~¥23.8~~
>
巴金－再思錄
巴金－再思錄
巴金
¥15.7~~¥46.0~~
>
名家?guī)阕x魯迅:故事新編
名家?guī)阕x魯迅:故事新編
魯迅著，陳漱渝主編
¥13.0~~¥26.0~~
>
新文學天穹兩巨星--魯迅與胡適/紅燭學術(shù)叢書(紅燭學術(shù)叢書)
新文學天穹兩巨星--魯迅與胡適/紅燭學術(shù)叢書(紅燭學術(shù)叢書)
易竹賢
¥9.9~~¥23.0~~