Python深度學習：邏輯、算法與編程實戰(zhàn)

定　價：￥119.00

作　者：	何福貴著
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥92.40)

ISBN：	9787111658610	出版時間：	2020-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	374	字數(shù)：

內(nèi)容簡介

　　機器學習是人工智能領域一個極其重要的研究方向，而深度學習則是機器學習中一個非常接近AI的分支，其思路在于建立進行分析學習的神經(jīng)網(wǎng)絡，模仿人腦感知與組織的方式，根據(jù)輸入數(shù)據(jù)做出決策。深度學習在快速的發(fā)展過程中，不斷有與其相關的產(chǎn)品推向市場，顯然，深度學習的應用將會日趨廣泛。《Python深度學習：邏輯、算法與編程實戰(zhàn)》是關于深度學習的理論、算法、應用的實戰(zhàn)教程，內(nèi)容涵蓋深度學習的語言、學習環(huán)境、典型結構、數(shù)據(jù)爬取和清洗、圖像識別分類、自然語言處理、情感分析、機器翻譯、目標檢測和語音處理等知識，通過各種實例，讀者能了解、掌握深度學習的整個流程和典型應用。《Python深度學習：邏輯、算法與編程實戰(zhàn)》可作為深度學習相關從業(yè)人員的參考指南，也可作為大中專院校人工智能相關專業(yè)的教材，還可作為廣大人工智能愛好者的拓展學習手冊。

作者簡介

暫缺《Python深度學習：邏輯、算法與編程實戰(zhàn)》作者簡介

圖書目錄

前言

第1章 Python語言基礎
11 Python簡介
12 Python開發(fā)環(huán)境
121 PyCharm的下載和安裝
122 PyCharm的使用
123 樹莓派Python IDLE的使用
13 Python基本語法
131 保留字和標識符
132 變量和數(shù)據(jù)類型
133 基本控制結構
134 運算符
135 函數(shù)
136 with語句
137 字符串操作
138 異常處理
14 Python序列
141 列表
142 元組
143 字典
144 集合
145 列表、元組、字典和集合的區(qū)別
15 Python操作文件
151 操作文本文件
152 操作目錄
153 操作Excel文件
154 操作CSV文件
16 Python模塊
161 模塊分類
162 自定義模塊
163 第三方模塊的安裝
17 Python類
171 面向?qū)ο蟾攀?
172 類和對象
173 面向?qū)ο蟪绦蛟O計方法
174 類的定義和使用
175 多線程
18 本章小結

第2章 Python操作數(shù)據(jù)庫及Web框架
21 操作數(shù)據(jù)庫
211 操作SQLite
212 操作MySQL
22 Web框架
221 主流Web框架
222 Django框架
223 Flask框架
23 本章小結

第3章 Python深度學習環(huán)境
31 Anaconda介紹
32 Anaconda環(huán)境搭建
33 Anaconda使用方法
331 管理工具Navigator
332 Anaconda的Python開發(fā)環(huán)境Spyder
34 深度學習的一些常備庫
341 NumPy—基礎科學計算庫
342 SciPy—科學計算工具集
343 Pandas—數(shù)據(jù)分析的利器
344 Matplotlib—畫出優(yōu)美的圖形
345 Tqdm—Python 進度條庫
35 機器學習通用庫Sklearn
351 Sklearn的安裝
352 Sklearn的數(shù)據(jù)集
353 Sklearn的機器學習方式
36 機器學習深度庫TensorFlow
361 TensorFlow的安裝
362 TensorFlow的深度學習方式
363 TensorLayer
364 可視化工具TensorBoard
37 機器學習深度庫Keras
371 Keras的安裝
372 Keras的深度學習方式
38 自然語言處理
381 NLTK
382 SpaCy
383 Gensim
39 視覺OpenCV
391 OpenCV的安裝
392 OpenCV的使用
310 其他深度學習框架
3101 PyTorch
3102 TFLearn
3103 Chainer
3104 Theano
311 本章小結

第4章深度學習典型結構
41 人工智能、機器學習、神經(jīng)網(wǎng)絡和深度學習的關系
42 深度學習的發(fā)展歷程
43 深度學習的應用
431 計算機視覺
432 語音識別
433 自然語言處理
434 人機博弈
44 神經(jīng)網(wǎng)絡
441 神經(jīng)網(wǎng)絡的結構
442 神經(jīng)網(wǎng)絡的算法
443 神經(jīng)網(wǎng)絡的訓練
444 神經(jīng)網(wǎng)絡的參數(shù)
445 深度學習與深層神經(jīng)網(wǎng)絡
45 卷積神經(jīng)網(wǎng)絡（CNN）
451 卷積神經(jīng)網(wǎng)絡結構
452 經(jīng)典卷積網(wǎng)絡模型
453 卷積神經(jīng)網(wǎng)絡應用
46 循環(huán)神經(jīng)網(wǎng)絡（RNN）
461 循環(huán)神經(jīng)網(wǎng)絡結構
462 長短期記憶網(wǎng)絡（LSTM）
463 循環(huán)神經(jīng)網(wǎng)絡改進
464 循環(huán)神經(jīng)網(wǎng)絡應用
47 遞歸神經(jīng)網(wǎng)絡（RNN）
471 遞歸神經(jīng)網(wǎng)絡結構
472 遞歸神經(jīng)網(wǎng)絡應用
48 生成對抗網(wǎng)絡（GAN）
481 生成對抗網(wǎng)絡原理
482 生成對抗網(wǎng)絡架構
483 生成對抗網(wǎng)絡應用
484 生成對抗網(wǎng)絡變種
49 本章小結

第5章深度學習數(shù)據(jù)準備—數(shù)據(jù)爬取和清洗
51 爬蟲框架
511 Crawley爬蟲框架
512 Scrapy爬蟲框架
513 PySpider爬蟲框架
514 Beautiful Soup爬蟲框架
52 數(shù)據(jù)爬取
521 Urllib3爬取
522 Requests爬取
523 Scrapy框架爬取
524 實例—爬取招聘網(wǎng)站職位信息
525 實例—爬取網(wǎng)站指定的圖片集合
526 實例—爬取二手車市場數(shù)據(jù)
53 數(shù)據(jù)清洗
531 數(shù)據(jù)清洗庫Pandas
532 缺失值處理
533 去重處理
534 異常值處理
535 實例—清洗CSV文件
536 噪聲數(shù)據(jù)處理
537 實例—天氣數(shù)據(jù)分析與處理
54 數(shù)據(jù)顯示
541 Pandas統(tǒng)計分析
542 Matplotlib繪圖
543 Bokeh繪圖
544 Pyecharts繪圖
55 實例—爬取并保存圖片
56 本章小結

第6章圖像識別分類
61 圖像識別分類簡介
62 經(jīng)典圖片數(shù)據(jù)集
621 MNIST數(shù)據(jù)集
622 CIFAR-10數(shù)據(jù)集
623 ImageNet數(shù)據(jù)集
624 LFW人臉數(shù)據(jù)庫
625 Flowers-17數(shù)據(jù)集
626 Pascal VOC數(shù)據(jù)集
627 MS COCO 數(shù)據(jù)集
63 OpenCV識別
631 實例—人眼識別
632 實例—兩張相似圖片識別
633 實例—性別識別
64 VGGNet花朵識別
641 VGGNet介紹
642 花朵數(shù)據(jù)庫
643 實例—花朵識別
65 車牌識別
651 利用OpenCV實現(xiàn)車牌識別
652 實例—EasyPR車牌識別
66 Inception圖像分類處理
661 Inception模型簡介
662 實例—花朵和動物識別
663 實例—自定義圖像分類
67 本章小結

第7章自然語言處理
71 自然語言處理的典型工具
711 NLTK
712 TextBlob
713 Gensim
714 Polyglot
72 Jieba實現(xiàn)關鍵詞抽取
721 Jieba實現(xiàn)詞性標注
722 基于TF-IDF算法的關鍵詞抽取
723 基于TextRank算法的關鍵詞抽取