中圖網(wǎng)小程序
一鍵登錄
更方便
中圖價(jià):¥55.5
加入購(gòu)物車
PYTHON人工智能分析與實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787302663652
- 條形碼：9787302663652 ; 978-7-302-66365-2
- 裝幀：平裝
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
PYTHON人工智能分析與實(shí)戰(zhàn) 本書特色
實(shí)用性強(qiáng)：本書緊密結(jié)合實(shí)際應(yīng)用背景，通過深入淺出的方式，引導(dǎo)讀者逐步掌握Python在人工智能領(lǐng)域的實(shí)戰(zhàn)技巧。 內(nèi)容全面：全書涵蓋了人工智能的多個(gè)關(guān)鍵領(lǐng)域，從基礎(chǔ)知識(shí)到高級(jí)應(yīng)用，為讀者提供了一個(gè)完整的學(xué)習(xí)體系。 案例豐富：書中包含大量實(shí)戰(zhàn)案例，這些案例不僅具有代表性，而且貼近實(shí)際應(yīng)用，有助于讀者更好地理解和掌握Python在人工智能中的實(shí)際應(yīng)用。 易于學(xué)習(xí)：本書注重Python的簡(jiǎn)單易學(xué)特性，使讀者能夠輕松上手，并快速掌握Python在人工智能領(lǐng)域的核心知識(shí)。 受眾廣泛：無論是初學(xué)者還是有一定基礎(chǔ)的讀者，無論是高校師生還是科研人員、學(xué)者及工程技術(shù)人員，都能從本書中獲益。 綜上所述，《Python人工智能分析與實(shí)戰(zhàn)》以其實(shí)用性強(qiáng)、內(nèi)容全面、案例豐富、易于學(xué)習(xí)以及受眾廣泛等特點(diǎn)，成為探索Python人工智能領(lǐng)域的理想之選。
PYTHON人工智能分析與實(shí)戰(zhàn) 內(nèi)容簡(jiǎn)介
本書以Python3.10.7為平臺(tái)，以實(shí)際應(yīng)用為背景，通過概述+經(jīng)典應(yīng)用相結(jié)合的形式，深入淺出地介紹了Python人工智能分析與實(shí)戰(zhàn)相關(guān)知識(shí)。全書共8章，主要內(nèi)容包括人工智能緒論、Python編程與進(jìn)階、Python數(shù)學(xué)與運(yùn)算、機(jī)器學(xué)習(xí)大戰(zhàn)、神經(jīng)網(wǎng)絡(luò)大戰(zhàn)、深度學(xué)習(xí)大戰(zhàn)、強(qiáng)化學(xué)習(xí)大戰(zhàn)、人工智能大戰(zhàn)等內(nèi)容。通過本書的學(xué)習(xí)，可使讀者領(lǐng)略到Python的簡(jiǎn)單、易學(xué)、易讀、易維護(hù)等特點(diǎn)，同時(shí)感受到利用Python實(shí)現(xiàn)人工智能的普遍性與專業(yè)性。 本書可作為高等學(xué)校相關(guān)專業(yè)本科生和研究生的教學(xué)用書，也可作為相關(guān)專業(yè)科研人員、學(xué)者、工程技術(shù)人員的參考用書。
PYTHON人工智能分析與實(shí)戰(zhàn) 目錄
第1章 人工智能緒論
1.1 人工智能的定義
1.2 人工智能的研究方向
1.3 三大類人工智能
1.4 人工智能的三大學(xué)派
1.4.1 符號(hào)主義學(xué)派
1.4.2 連接主義學(xué)派
1.4.3 行為主義學(xué)派
1.5 人工智能的發(fā)展史
1.5.1 人工智能的起源
1.5.2 人工智能的發(fā)展歷程
1.6 新一代人工智能
1.6.1 新一代人工智能的主驅(qū)動(dòng)因素
1.6.2 新一代人工智能的主要特征
1.7 人工智能的關(guān)鍵技術(shù)
第2章 Python編程與進(jìn)階
2.1 Python特點(diǎn)
2.2 Python搭建環(huán)境
2.3 Jupyter Notebook的安裝與使用
2.3.1 Jupyter Notebook的下載與安裝
2.3.2 運(yùn)行Jupyter Notebook
2.3.3 Jupyter Notebook的使用
2.4 Python語法基礎(chǔ)
2.4.1 Python編程基礎(chǔ)
2.4.2 基本數(shù)據(jù)類型
2.4.3 Python字符串
2.4.4 列表
2.4.5 元組
2.4.6 字典
2.4.7 集合
2.5 程序控制
2.5.1 順序結(jié)構(gòu)
2.5.2 分支結(jié)構(gòu)
2.5.3 循環(huán)結(jié)構(gòu)
2.6 Python雨數(shù)
2.6.1 定義一個(gè)函數(shù)
2.6.2 函數(shù)調(diào)用
2.7 Python模塊
2.7.1 引入模塊
2.7.2 搜索路徑
2.7.3 name屬性
2.7.4 命名空間和作用域
2.7.5 相關(guān)函數(shù)
第3章 Python數(shù)學(xué)與算法
3.1 枚舉算法
3.2 遞推算法
3.3 模擬算法
3.4 邏輯推理
3.5 冒泡排序
3.6 選擇排序
3.7 插入排序
3.8 快速排序
3.9 二分查找
3.10 勾股樹
3.11 玫瑰曲線
第4章 機(jī)器學(xué) 戰(zhàn)
4.1 機(jī)器學(xué)習(xí)概述
4.1.1 機(jī)器學(xué)習(xí)分類
4.1.2 深度學(xué)習(xí)
4.1.3 機(jī)器學(xué)習(xí)的應(yīng)用
4.2 監(jiān)督學(xué)習(xí)
4.2.1 kNN算法
4.2.2 線性回歸
4.2.3 邏輯回歸
4.2.4 支持向量機(jī)
4.2.5 樸素貝葉斯分類器
4.2.6 決策樹
4.2.7 隨機(jī)森林
4.3 非監(jiān)督學(xué)習(xí)
4.3.1 k均值聚類
4.3.2 密度聚類
4.3.3 層次聚類
4.3.4 主成分分析
4.3.5 高斯混合模型
4.3.6 受限玻爾茲曼機(jī)
4.4 半監(jiān)督學(xué)習(xí)
4.4.1 半監(jiān)督思想
4.4.2 半監(jiān)督算法的類別
4.4.3 半監(jiān)督分類算法
4.4.4 半監(jiān)督學(xué)習(xí)實(shí)戰(zhàn)
第5章 神經(jīng)網(wǎng)絡(luò)大戰(zhàn)
5.1 深度學(xué)習(xí)
5.1.1 神經(jīng)網(wǎng)絡(luò)的基本概念
5.1.2 深度學(xué)習(xí)的發(fā)展歷程
5.1.3 深度學(xué)習(xí)基本理論
5.2 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5.2.1 神經(jīng)元與感知器
5.2.2 學(xué)習(xí)過程建模
5.2.3 反向傳播
5.3 卷積神經(jīng)網(wǎng)絡(luò)
5.3.1 從神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)
5.3.2 Python實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)
5.3.3 實(shí)現(xiàn)模仿繪畫
5.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
5.4.1 Keras中的循環(huán)層
5.4.2 LSTM層和GRU層
5.4.3 循環(huán)神經(jīng)網(wǎng)絡(luò)的 用法
第6章 深度學(xué) 戰(zhàn)
6.1 TensorFlow深度學(xué)習(xí)概述
6.1.1 深度學(xué)習(xí)特性
6.1.2 深度學(xué)習(xí)的構(gòu)架
6.1.3 深度學(xué)習(xí)的思想
6.2 邁進(jìn)TensorFlow
6.2.1 TensorFlow環(huán)境構(gòu)建
6.2.2 Geany開發(fā)環(huán)境
6.2.3 TensorFlow編程基礎(chǔ)
6.3 CTC模型及實(shí)現(xiàn)
6.4 BiRNN實(shí)現(xiàn)語音識(shí)別
6.4.1 語音識(shí)別背景
6.4.2 獲取并整理樣本
6.4.3 訓(xùn)練模型
6.5 自編碼網(wǎng)絡(luò)實(shí)戰(zhàn)
6.5.1 自編碼網(wǎng)絡(luò)的結(jié)構(gòu)
6.5.2 自編碼網(wǎng)絡(luò)的代碼實(shí)現(xiàn)
6.6 生成對(duì)抗網(wǎng)絡(luò)實(shí)戰(zhàn)
6.6.1 GAN結(jié)構(gòu)
6.6.2 GAN基本架構(gòu)
6.6.3 GAN實(shí)戰(zhàn)
6.7 深度神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
6.7.1 AlexNet模型
6.7.2 VGG模型
6.7.3 GoogLeNet模型
6.7.4 殘差網(wǎng)絡(luò)
6.7.5 Inception-ResNet v2結(jié)構(gòu)
6.7.6 VGG藝術(shù)風(fēng)格轉(zhuǎn)移
第7章 強(qiáng)化學(xué) 戰(zhàn)
7.1 深度強(qiáng)化學(xué)習(xí)的數(shù)學(xué)模型
7.1.1 強(qiáng)化學(xué) 統(tǒng)的基本模型
7.1.2 基于值雨數(shù)的深度強(qiáng)化學(xué)習(xí)算法
7.1.3 基于策略梯度的深度強(qiáng)化學(xué)習(xí)算法
7.1.4 AC算法
7.2 SARSA算法
7.2.1 SARSA算法概述
7.2.2 SARSA算法流程
7.2.3 SARSA算法實(shí)戰(zhàn)
7.3 Q-Learning算法
7.4 DQN算法
7.4.1 DQN算法原理
7.4.2 DQN算法實(shí)戰(zhàn)
第8章 人工智能大戰(zhàn)
8.1 爬蟲實(shí)戰(zhàn)
8.1.1 什么是爬蟲
8.1.2 網(wǎng)絡(luò)爬蟲是否合法
8.1.3 Beautiful Soup工具
8.1.4 網(wǎng)絡(luò)爬蟲實(shí)現(xiàn)
8.1.5 創(chuàng)建云起書院爬蟲
8.2 智能聊天機(jī)器人實(shí)戰(zhàn)
8.2.1 網(wǎng)頁自動(dòng)化
8.2.2 語音處理
8.2.3 圖形化用戶交互界面
8.2.4 智能聊天機(jī)器人程序?qū)崿F(xiàn)
8.3 餐飲菜單 引擎
8.3.1 問題的描述
8.3.2 協(xié)同過濾算法
8.3.3 餐飲菜單實(shí)現(xiàn)
8.4 人臉識(shí)別
8.4.1 OpenCV
8.4.2 人臉識(shí)別過程
8.4.3 多線程
8.4.4 人臉識(shí)別實(shí)現(xiàn)
參考文獻(xiàn)
展開全部
PYTHON人工智能分析與實(shí)戰(zhàn) 作者簡(jiǎn)介
李婭（1978年生），女，河南信陽人，武漢大學(xué)計(jì)算機(jī)系碩士研究生畢業(yè)，F(xiàn)佛山科學(xué)技術(shù)學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系計(jì)算機(jī)副教授。
書友推薦
- >
月亮與六便士
- >
巴金－再思錄
- >
推拿
- >
月亮虎
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
- >
苦雨齋序跋文-周作人自編集
- >
二體千字文
本類暢銷
