Python人工智能分析與實戰(zhàn)

定　價：￥79.00

作　者：	李婭
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥75.10)

ISBN：	9787302663652	出版時間：	2024-06-01	包裝：	平裝-膠訂
開本：	16開	頁數：		字數：

內容簡介

　　本書以Python3.10.7為平臺，以實際應用為背景，通過概述經典應用相結合的形式，深入淺出地介紹了Python人工智能分析與實戰(zhàn)相關知識。全書共8章，主要內容包括人工智能緒論、Python編程與進階、Python數學與運算、機器學習大戰(zhàn)、神經網絡大戰(zhàn)、深度學習大戰(zhàn)、強化學習大戰(zhàn)、人工智能大戰(zhàn)等內容。通過本書的學習，可使讀者領略到Python的簡單、易學、易讀、易維護等特點，同時感受到利用Python實現人工智能的普遍性與專業(yè)性。本書可作為高等學校相關專業(yè)本科生和研究生的教學用書，也可作為相關專業(yè)科研人員、學者、工程技術人員的參考用書。

作者簡介

　　李婭（1978年生），女，河南信陽人，武漢大學計算機系碩士研究生畢業(yè)。現佛山科學技術學院計算機科學與技術系計算機副教授。

圖書目錄

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人工智能的三大學派
1.4.1符號主義學派
1.4.2連接主義學派
1.4.3行為主義學派
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動因素
1.6.2新一代人工智能的主要特征
1.7人工智能的關鍵技術
第2章Python編程與進階
2.1Python特點
2.2Python搭建環(huán)境
2.3Jupyter Notebook的安裝與使用
2.3.1Jupyter Notebook的下載與安裝
2.3.2運行Jupyter Notebook
2.3.3Jupyter Notebook的使用
2.4Python語法基礎
2.4.1Python編程基礎
2.4.2基本數據類型
2.4.3Python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順序結構
2.5.2分支結構
2.5.3循環(huán)結構
2.6Python函數
2.6.1定義一個函數
2.6.2函數調用
2.7Python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相關函數
第3章Python數學與算法
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章機器學習大戰(zhàn)
4.1機器學習概述
4.1.1機器學習分類
4.1.2深度學習
4.1.3機器學習的應用
4.2監(jiān)督學習
4.2.1kNN算法
4.2.2線性回歸
4.2.3邏輯回歸
4.2.4支持向量機
4.2.5樸素貝葉斯分類器
4.2.6決策樹
4.2.7隨機森林
4.3非監(jiān)督學習
4.3.1k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
4.4半監(jiān)督學習
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)督學習實戰(zhàn)
第5章神經網絡大戰(zhàn)
5.1深度學習
5.1.1神經網絡的基本概念
5.1.2深度學習的發(fā)展歷程
5.1.3深度學習基本理論
5.2人工神經網絡基礎
5.2.1神經元與感知器
5.2.2學習過程建模
5.2.3反向傳播
5.3卷積神經網絡
5.3.1從神經網絡到卷積神經網絡
5.3.2Python實現卷積神經網絡
5.3.3實現模仿繪畫
5.4循環(huán)神經網絡
5.4.1Keras中的循環(huán)層
5.4.2LSTM層和GRU層
5.4.3循環(huán)神經網絡的高級用法
第6章深度學習大戰(zhàn)
6.1TensorFlow深度學習概述
6.1.1深度學習特性
6.1.2深度學習的構架
6.1.3深度學習的思想
6.2邁進TensorFlow
6.2.1TensorFlow環(huán)境構建
6.2.2Geany開發(fā)環(huán)境
6.2.3TensorFlow編程基礎
6.3CTC模型及實現
6.4BiRNN實現語音識別
6.4.1語音識別背景
6.4.2獲取并整理樣本
6.4.3訓練模型
6.5自編碼網絡實戰(zhàn)
6.5.1自編碼網絡的結構
6.5.2自編碼網絡的代碼實現
6.6生成對抗網絡實戰(zhàn)
6.6.1GAN結構
6.6.2GAN基本架構
6.6.3GAN實戰(zhàn)
6.7深度神經網絡實戰(zhàn)
6.7.1AlexNet模型
6.7.2VGG模型
6.7.3GoogLeNet模型
6.7.4殘差網絡
6.7.5InceptionResNet v2結構
6.7.6VGG藝術風格轉移
第7章強化學習大戰(zhàn)
7.1深度強化學習的數學模型
7.1.1強化學習系統的基本模型
7.1.2基于值函數的深度強化學習算法
7.1.3基于策略梯度的深度強化學習算法
7.1.4AC算法
7.2SARSA算法
7.2.1SARSA算法概述
7.2.2SARSA算法流程
7.2.3SARSA算法實戰(zhàn)
7.3QLearning算法
7.4DQN算法
7.4.1DQN算法原理
7.4.2DQN算法實戰(zhàn)
第8章人工智能大戰(zhàn)
8.1爬蟲實戰(zhàn)
8.1.1什么是爬蟲
8.1.2網絡爬蟲是否合法
8.1.3Beautiful Soup工具
8.1.4網絡爬蟲實現
8.1.5創(chuàng)建云起書院爬蟲
8.2智能聊天機器人實戰(zhàn)
8.2.1網頁自動化
8.2.2語音處理
8.2.3圖形化用戶交互界面
8.2.4智能聊天機器人程序實現
8.3餐飲菜單推薦引擎
8.3.1推薦問題的描述
8.3.2協同過濾算法
8.3.3餐飲菜單實現
8.4人臉識別
8.4.1OpenCV
8.4.2人臉識別過程
8.4.3多線程
8.4.4人臉識別實現
參考文獻