中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
基于Python的人工智能應用基礎 版權信息
- ISBN：9787563564774
- 條形碼：9787563564774 ; 978-7-5635-6477-4
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
基于Python的人工智能應用基礎 內容簡介
人工智能是進行數(shù)據(jù)分析的強有力工具。本書針對非計算機專業(yè)的學生，從算法和Python語言實現(xiàn)的角度，幫助讀者認識人工智能，以人工智能應用為目的，由淺入深、循序漸進地介紹人工智能的相關概念、實現(xiàn)流程以及具體應用，使非計算機專業(yè)的學生也能應用人工智能的方法解決本專業(yè)的問題。
基于Python的人工智能應用基礎 目錄
第1章 緒論
1.1 人工智能的基本概念
1.2 人工智能的發(fā)展歷程
1.2.1 人工智能的萌芽和誕生
1.2.2 人工智能的**次浪潮
1.2.3 人工智能的第二次浪潮
1.2.4 人工智能的第三次浪潮
1.3 生活中的人工智能
1.4 人工智能背后的技術——機器學習
1.4.1 機器學習與深度學習的關系
1.4.2 人工智能相關概念
1.5 非計算機專業(yè)的人學習人工智能的方法
1.6 本章小結
第2章 Python語言基礎
2.1 引言
2.1.1 Python的發(fā)展歷史
2.1.2 Python的特點
2.1.3 在人工智能領域使用Python語言的優(yōu)點
2.2 環(huán)境介紹
2.2.1 Anaconda安裝
2.2.2 Jupyter Notebook環(huán)境介紹
2.3 變量和基本數(shù)據(jù)類型
2.3.1 變量
2.3.2 字符串
2.3.3 數(shù)字
2.3.4 類型轉換
2.4 常用運算符
2.4.1 算術運算符
2.4.2 賦值運算符
2.4.3 比較運算符
2.4.4 邏輯運算符
2.4.5 運算符的優(yōu)先級
2.5 程序結構
2.5.1 分支結構
2.5.2 循環(huán)結構
2.6 其他常用數(shù)據(jù)類型
2.6.1 列表
2.6.2 元組
2.6.3 字典
2.7 函數(shù)
2.7.1 函數(shù)的定義與調用
2.7.2 函數(shù)參數(shù)
2.7.3 返回值
2.7.4 匿名函數(shù)
2.8 本章小結
第3章 機器學習相關庫的介紹
3.1 基礎科學計算庫Numpy
3.2 數(shù)據(jù)分析庫Pandas
3.2.1 Pandas中的數(shù)據(jù)類型
3.2.2 Pandas中的數(shù)據(jù)處理
3.3 機器學習庫Scikit-learn
3.3.1 Sklearn中的數(shù)據(jù)集
3.3.2 數(shù)據(jù)預處理
3.3.3 數(shù)據(jù)建模
3.3.4 模型評估與優(yōu)化
3.4 本章小結
第4章 數(shù)據(jù)獲取
4.1 爬蟲的基礎知識
4.1.1 爬蟲分類
4.1.2 robots協(xié)議
4.1.3 HTTP協(xié)議
4.1.4 網(wǎng)頁結構
4.2 爬蟲步驟
4.2.1 requests模塊
4.2.2 BeautifulSoup模塊
4.2.3 正則表達式
4.2.4 re模塊
4.2.5 數(shù)據(jù)的存儲
4.3 Ajax數(shù)據(jù)爬取
4.3.1 Ajax基本原理
4.3.2 Ajax方法分析
4.3.3 Ajax實例
4.4 本章小結
第5章 數(shù)據(jù)預處理
5.1 數(shù)據(jù)預處理概述
5.1.1 數(shù)據(jù)清理
5.1.2 數(shù)據(jù)變換
5.1.3 數(shù)據(jù)歸約
5.1.4 數(shù)據(jù)集成
5.2 Pandas中數(shù)據(jù)預處理的方法
5.2.1 預處理數(shù)據(jù)的生成
5.2.2 缺失數(shù)據(jù)處理
5.2.3 格式的規(guī)范化
5.2.4 重復數(shù)據(jù)的去除
5.2.5 數(shù)據(jù)集成方法
5.3 Sklearn中數(shù)據(jù)預處理的方法
5.3.1 數(shù)據(jù)標準化
5.3.2 范疇特征編碼
5.3.3 特征離散化
5.3.4 缺失數(shù)據(jù)處理
5.3.5 主成分分析
5.4 本章小結
第6章 數(shù)據(jù)可視化
6.1 Matplotlib庫入門
6.2 簡單圖表繪制
6.2.1 折線圖繪制
6.2.2 曲線圖繪制
6.2.3 柱狀圖繪制
6.2.4 散點圖繪制
6.2.5 餅圖繪制
6.3 高級圖表繪制
6.3.1 盒圖／箱線圖繪制
6.3.2 子圖繪制
6.3.3 極坐標圖繪制
6.4 文本數(shù)據(jù)可視化
6.4.1 文本數(shù)據(jù)可視化工具
6.4.2 用Python實現(xiàn)文本數(shù)據(jù)可視化的方法
6.5 本章小結
第7章 忌近鄰算法及其應用
7.1 k近鄰算法原理
7.2 k近鄰算法在分類問題中的實現(xiàn)和應用
7.2.1 KNN分類器實現(xiàn)
7.2.2 KNN分類問題應用實戰(zhàn)——鳶尾花分類
7.3 忌近鄰算法在回歸問題中的實現(xiàn)和應用
7.3.1 KNN回歸分析方法
7.3.2 KNN回歸分析實戰(zhàn)——人臉填充
7.4 本章小結
第8章 樸素貝葉斯算法及其應用
8.1 貝葉斯分類器原理
8.2 樸素貝葉斯算法Python實現(xiàn)
8.2.1 高斯樸素貝葉斯分類器
8.2.2 伯努利樸素貝葉斯分類器
8.2.3 多項式樸素貝葉斯分類器
8.3 樸素貝葉斯算法的實戰(zhàn)——對乳腺癌數(shù)據(jù)集進行輔助診斷
8.3.1 數(shù)據(jù)導入和初步分析
8.3.2 樸素貝葉斯分類器的建模和預測
8.4 本章小結
第9章 廣義線性模型
9.1 線性模型的基本概念
9.2 常見的線性模型及其實現(xiàn)
9.2.1 *基本的線性模型——線性回歸
9.2.2 改進的線性模型——嶺回歸
9.3 常見的線性分類模型及其實現(xiàn)
9.3.1 嶺分類
9.3.2 邏輯回歸
9.3.3 線性判別分析模型
9.4 本章小結
第10章 支持向量機
10.1 SVM的基本原理
10.2 SVM的實現(xiàn)
10.3 SVC、LinearSVC和NlaSVC性能比較
10.4 SVM的核函數(shù)參數(shù)設置
10.5 SVM實現(xiàn)手寫字符的識別
10.5.1 導入并顯示數(shù)據(jù)集
10.5.2 SVM分類器的建模和預測
10.6 本章小結
第11章 人工神經網(wǎng)絡及其應用
11.1 人工神經網(wǎng)絡的發(fā)展歷史
11.1.1 **代人工神經網(wǎng)絡
11.1.2 第二代人工神經網(wǎng)絡
11.1.3 第三代人工神經網(wǎng)絡
11.2 人工神經網(wǎng)絡的原理及實現(xiàn)
11.3 人工神經網(wǎng)絡分類器的實現(xiàn)和參數(shù)設置
11.3.1 人工神經網(wǎng)絡分類器的實現(xiàn)
11.3.2 人工神經網(wǎng)絡分類器的參數(shù)設置
11.4 人工神經網(wǎng)絡實踐——人臉識別
11.4.1 Olivetti人臉數(shù)據(jù)集
11.4.2 樣本劃分及MLP分類器訓練
參考文獻
展開全部
基于Python的人工智能應用基礎 作者簡介
王靜，博士，2004畢業(yè)于北京師范大學信息技術學院，圖像處理與人工智能專業(yè)，北京大學醫(yī)學部醫(yī)學信息管理系講師。有十幾年人工智能及其應用的項目開發(fā)和教學經驗。先后主持或參與醫(yī)+X項目、國家自然基金面上項目、國際合作項目等共計10余項，參編教材和專著多部，發(fā)表研究論文10余篇。齊惠穎，北京大學醫(yī)學部健康信息管理系副教授，博士。主要研究方向為健康信息智能管理、醫(yī)學大數(shù)據(jù)分析。主要社會兼職有全國高等院校計算機基礎教育委員會理事，全國高等院校計算機基礎教育委員會醫(yī)學專委會副主任委員，中國醫(yī)藥教育協(xié)會智能醫(yī)學專委員會常務委員。先后主持或參與國家衛(wèi)生健康管理委員會、國家重點研發(fā)計劃、國家自然基金面上項目共計10余項，主編和參編教材和專著多部，發(fā)表研究論文20余篇。
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
伊索寓言-世界文學名著典藏-全譯本
- >
伯納黛特,你要去哪(2021新版)
- >
羅庸西南聯(lián)大授課錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
苦雨齋序跋文-周作人自編集
- >
二體千字文
- >
中國歷史的瞬間
本類暢銷
