掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
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)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
PYTHON與人工智能編程——基礎與實驗(微課視頻版) 版權信息
- ISBN：9787302682776
- 條形碼：9787302682776 ; 978-7-302-68277-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
PYTHON與人工智能編程——基礎與實驗(微課視頻版) 本書特色
本書主要面向編程零基礎初學者,具有實例豐富、操作性強、簡單易學等特點。
PYTHON與人工智能編程——基礎與實驗(微課視頻版) 內容簡介
"本書主要面向Python編程零基礎初學者，將基礎知識歸納為5部分： Python編程基礎、重要的第三方庫、機器學習基礎 與Scikitlearn框架、深度學習基礎與PyTorch框架、基于大語言模型的自然語言處理編程。 本書具有實例豐富、操作性強、簡單易學等特點。為了有效提升初學者的人工智能編程能力，強調“做中學”，將5部分基礎知識設計成26個上機實驗，同時為每個實驗部分安排實驗作業，便于讀者對人工智能基礎知識的理解和掌握。 本書可作為高等院校計算機類相關專業的“人工智能”等課程的教材，也可作為感興趣讀者的自學讀物，還可作為相關行業技術人員的參考用書。 "
PYTHON與人工智能編程——基礎與實驗(微課視頻版)PYTHON與人工智能編程——基礎與實驗(微課視頻版) 前言
黨的二十大報告指出： 教育、科技、人才是全面建設社會主義現代化國家的基礎性、戰略性支撐。必須堅持科技是**生產力、人才是**資源、創新是**動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，這三大戰略共同服務于創新型國家的建設。高等教育與經濟社會發展緊密相連，對促進就業創業、助力經濟社會發展、增進人民福祉具有重要意義。2024年政府工作報告中明確提出發展“新質生產力”和開展“人工智能 ”行動，隨著人工智能技術的發展和政府的高度重視，人工智能必將全面賦能各行各業。無論是發展“新質生產力”，還是實施“人工智能 ”行動，都必將高度依賴勞動者人工智能素質和技能的提高。可見在不久的將來，高等院校中將會全面普及人工智能教育。
(2) 內容全面： 涉及人工智能編程的主要知識點包括*新的大語言模型編程等。
資源下載提示
編者
2025年1月
PYTHON與人工智能編程——基礎與實驗(微課視頻版) 目錄
資源下載
第1部分Python編程基礎
實驗1集成開發環境的安裝及Jupyter Notebook的使用
1.1下載Anaconda安裝包
1.2Anaconda的安裝步驟
1.3Jupyter Notebook的使用教程
實驗作業1
實驗2基礎語法
2.1Python的語法基礎
2.1.1注釋
2.1.2代碼縮進
2.1.3代碼編碼規范
2.2保留字與標識符
2.2.1保留字
2.2.2標識符
2.3變量
2.4基本數據類型
2.4.1數字類型
2.4.2布爾類型
2.4.3字符串類型
2.4.4Python字符串的格式化輸出
2.4.5數據類型轉換
2.5運算符
2.5.1算術運算符
2.5.2賦值運算符
2.5.3比較(關系)運算符
2.5.4邏輯運算符
2.5.5運算符的優先級
2.6Python的6種基本數據結構
2.6.1列表創建
2.6.2列表索引、切片和遍歷
2.6.3列表的函數與方法
2.7基本的輸入和輸出函數
2.7.1使用input()函數輸入
2.7.2使用print()函數輸出
2.8Python 模塊和包
2.9Python文件操作
實驗作業2
實驗3Python控制語句與程序調試
3.1控制語句
3.2程序調試
實驗作業3
實驗4函數與異常處理
4.1函數的創建和調用
4.1.1創建函數
4.1.2調用函數
4.2參數傳遞
4.2.1形式參數和實際參數
4.2.2位置參數
4.2.3關鍵字參數
4.2.4默認參數
4.2.5不定長參數
4.3返回值
4.4變量的作用域
4.4.1局部變量
4.4.2全局變量
4.5匿名函數(lambda)
4.6異常處理
4.6.1常見異常
4.6.2異常處理語法
實驗作業4
實驗5面向對象編程
5.1面向對象編程概述
5.1.1對象
5.1.2類
5.1.3封裝、繼承和多態
5.2類的定義和使用
5.2.1定義類
5.2.2創建類實例
5.2.3屬性
5.2.4方法
5.2.5封裝
5.2.6繼承
5.2.7多態
實驗作業5
第2部分重要的第三方庫
實驗6NumPy基礎知識
6.1NumPy簡介和數據類型
6.2創建ndarray數組對象
6.2.1使用array()函數創建NumPy數組
6.2.2使用linspace生成等間距的一維數組
6.2.3使用zeros()、ones()、full()、empty()函數創建NumPy數組
6.2.4使用arange()函數創建NumPy數組
6.2.5使用random.rand()函數生成隨機數數組
6.2.6使用asarray()函數創建NumPy數組
6.2.7使用numpy.reshape()函數改變數組形狀
實驗作業6
實驗7NumPy常用操作
7.1數組元素操作
7.1.1切片索引
7.1.2高級索引
7.2廣播機制
7.3NumPy元素的基本操作
7.3.1四則運算
7.3.2冪運算和開方
7.3.3邏輯運算
7.3.4三角函數
7.3.5條件表達式
實驗作業7
實驗8Pandas基礎知識
8.1Pandas簡介
8.2Pandas數據結構
8.2.1一維數組Series
8.2.2二維數組DataFrame
實驗作業8
實驗9Pandas常用操作
9.1Pandas數據導入
9.1.1導入Excel數據
9.1.2導入CSV文件
9.1.3導入HTML網頁
9.2Pandas常用數據處理方法
9.2.1數據選擇
9.2.2數據刪減
9.2.3數據填充
9.2.4數據可視化
9.2.5apply函數
實驗作業9
實驗10Matplotlib基礎與實驗
10.1Matplotlib常見圖繪制
10.1.1圖形基礎結構
10.1.2繪制曲線圖及散點圖
10.1.3繪制直方圖和條形圖
10.1.4繪制餅圖和雷達圖
10.1.5繪制3D圖形
10.2Matplotlib高級應用及技巧
10.2.1Matplotlib的高級應用
10.2.2Matplotlib的優化技巧
實驗作業10
第3部分機器學習基礎與Scikitlearn框架
實驗11機器學習與Scikitlearn框架的基礎知識
11.1什么是機器學習
11.2機器學習的常見分類
11.3Scikitlearn簡介
11.4Scikitlearn的常用數據集及應用
實驗作業11
實驗12Scikitlearn開發流程及通用模板
12.1Scikitlearn開發流程
12.2Scikitlearn開發通用模板一
12.3Scikitlearn開發通用模板二
12.4Scikitlearn開發通用模板三
實驗作業12
實驗13隨機森林原理及應用
13.1隨機森林原理
13.2隨機森林的優勢和不足
13.3隨機森林應用舉例
實驗作業13
實驗14SVM原理及應用
14.1SVM基本概念
14.2SVM的優勢和不足
實驗作業14
實驗15模型評估原理及應用
15.1模型評估原理與流程
15.1.1模型評估原理
15.1.2模型評估基本知識
15.1.3評估流程
15.2模型評估的指標詳述
實驗作業15
第4部分深度學習基礎與PyTorch框架
實驗16PyTorch的開發環境配置及Tensor的基本操作
16.1PyTorch的開發環境配置
16.2Tensor的基本操作
16.2.1創建Tensor
16.2.2索引和切片
16.2.3變形
16.2.4類型轉換
16.2.5數學運算
16.2.6廣播
16.2.7合并和堆疊
16.2.8分割
16.2.9其他操作
實驗作業16
實驗17PyTorch的開發流程與通用模板
17.1PyTorch的開發流程概述
17.2PyTorch的通用模板
實驗作業17
實驗18卷積神經網絡的簡介及應用
18.1CNN的基礎知識
18.2CNN的應用實例
實驗作業18
實驗19長短期記憶網絡的簡介及應用
19.1LSTM的基礎知識
19.2LSTM的應用實例
實驗作業19
實驗20深度神經網絡的簡介及應用
20.1DNN 的基礎知識
20.2DNN的應用實例
實驗作業20
第5部分基于大語言模型的自然語言處理編程
實驗21Hugging Face框架
21.1Hugging Face的基礎知識
21.2Hugging Face開發環境搭建
實驗作業21
實驗22Hugging Face管道的介紹
22.1Transformer中管道的基本概念
22.2管道的基本組成和工作流程
22.2.1管道的基本組成
22.2.2管道的工作流程
22.3管道的功能和優勢
22.3.1管道的功能
22.3.2管道的優勢
22.4Pipeline任務列表
22.5管道使用示例
實驗作業22
實驗23文本分類
23.1文本分類簡述
23.2文本分類的任務
23.3文本分類方法
23.3.1基于規則的文本分類方法
23.3.2基于機器學習的文本分類方法
23.3.3基于深度學習的文本分類方法
23.3.4基于預訓練模型的文本分類方法
23.4基于預訓練模型的文本分類實戰案例
實驗作業23
實驗24文本生成
24.1文本生成簡述
24.2文本生成的任務
24.3文本生成方法
24.3.1基于規則的文本生成方法
24.3.2基于統計的文本生成方法
24.3.3基于預訓練模型的文本生成方法
24.4基于預訓練模型的文本生成實戰案例
實驗作業24
實驗25模型微調
25.1模型微調的定義
25.2微調模型的目的和意義
25.2.1模型微調目標
25.2.2微調模型的優點
25.3不同微調方法的比較與分析
25.4模型微調的步驟
25.5使用Trainer API微調模型
25.5.1Trainer類概述
25.5.2使用Trainer進行模型微調
25.6文本分類模型微調實戰案例
實驗作業25
實驗26網絡數據爬取
26.1網絡爬取助手XPath Helper
26.2XPath語法
26.2.1XPath語法應用舉例
26.2.2實戰收集網絡評論數據
實驗作業26
參考文獻
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
龍榆生：詞曲概論/大家小書
- >
朝聞道
- >
回憶愛瑪儂
- >
小考拉的故事-套裝共3冊
- >
李白與唐代文化
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
