计算机 类型
可以朗读 语音朗读
124千字 字数
2024-04-01 发行日期
展开全部

主编推荐语

本书面向所有对人工智能领域感兴趣的读者。

内容简介

本书在不涉及大量数学与编程知识的前提下，从零开始，逐步带领读者熟悉并掌握当下最流行的基于Python 3的人工智能编程工具，包括但不限于数据分析（Pandas），以及支持单机（Scikit-learn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySpark-ML）机器学习的开源程序库，等等。

目录

  • 版权信息
  • 内容简介
  • 作者介绍
  • 致谢
  • 前言
  • 入门篇
  • 第1章 全书指南
  • 1.1 Python编程
  • 1.2 数据分析
  • 1.3 机器学习
  • 1.3.1 任务
  • 1.3.2 经验
  • 1.3.3 表现
  • 1.4 Kaggle竞赛
  • 1.5 Git代码管理
  • 小结
  • 第2章 基本环境搭建与配置
  • 2.1 Windows下基本环境的搭建与配置
  • 2.1.1 查看Windows的版本与原始配置
  • 2.1.2 下载并安装Anaconda3（Windows版本）
  • 2.1.3 创建虚拟环境python_env
  • 2.1.4 在虚拟环境python_env下安装Jupyter Notebook
  • 2.2 macOS下基本环境的搭建与配置
  • 2.2.1 查看macOS的版本与原始配置
  • 2.2.2 下载并安装Anaconda3（macOS版本）
  • 2.2.3 创建虚拟环境python_env
  • 2.2.4 在虚拟环境python_env下安装Jupyter Notebook
  • 2.3 Ubuntu下基本环境的搭建与配置
  • 2.3.1 查看Ubuntu的版本与原始配置
  • 2.3.2 下载并安装Anaconda3（Linux版本）
  • 2.3.3 创建虚拟环境python_env
  • 2.3.4 在虚拟环境python_env下安装Jupyter Notebook
  • 2.4 Jupyter Notebook使用简介
  • 2.4.1 在虚拟环境python_env下启动Jupyter Notebook
  • 2.4.2 创建一个.ipynb文件
  • 2.4.3 试运行.ipynb文件内的Python 3程序
  • 2.5 PyCharm使用简介
  • 2.5.1 安装PyCharm
  • 2.5.2 在虚拟环境python_env下启动PyCharm
  • 2.5.3 创建一个.py文件
  • 2.5.4 试运行.py文件内的Python 3程序
  • 小结
  • 基础篇
  • 第3章 Python编程基础
  • 3.1 Python环境配置
  • 3.1.1 基于命令行/终端的交互式编程环境
  • 3.1.2 基于Web的交互式开发环境
  • 3.1.3 集成式开发环境
  • 3.2 Python基本语法
  • 3.2.1 注释
  • 3.2.2 赋值
  • 3.2.3 缩进
  • 3.3 Python数据类型
  • 3.4 Python数据运算
  • 3.5 Python流程控制
  • 3.5.1 分支语句
  • 3.5.2 循环控制
  • 3.6 Python函数设计
  • 3.7 Python面向对象编程
  • 3.8 Python编程库（包）/模块导入
  • 3.9 Python编程综合实践
  • 小结
  • 第4章 Pandas数据分析
  • 4.1 Pandas环境配置
  • 4.1.1 使用Anaconda Navigator搭建和配置环境
  • 4.1.2 使用conda命令搭建和配置环境
  • 4.2 Pandas核心数据结构
  • 4.2.1 序列
  • 4.2.2 数据框
  • 4.3 Pandas读取/写入文件数据
  • 4.3.1 读取/写入CSV文件数据
  • 4.3.2 读取/写入JSON文件数据
  • 4.3.3 读取/写入Excel文件数据
  • 4.4 Pandas数据分析的常用功能
  • 4.4.1 添加数据
  • 4.4.2 删除数据
  • 4.4.3 查询/筛选数据
  • 4.4.4 修改数据
  • 4.4.5 数据统计
  • 4.4.6 数据排序
  • 4.4.7 函数应用
  • 4.5 Pandas数据合并
  • 4.6 Pandas数据清洗
  • 4.7 Pandas数据分组与聚合
  • 小结
  • 第5章 Scikit-learn单机机器学习
  • 5.1 Scikit-learn环境配置
  • 5.1.1 使用Anaconda Navigator搭建和配置环境
  • 5.1.2 使用conda命令搭建和配置环境
  • 5.2 Scikit-learn无监督学习
  • 5.2.1 降维学习与可视化
  • 5.2.2 聚类算法
  • 5.3 Scikit-learn监督学习
  • 5.3.1 分类预测模型
  • 5.3.2 数值回归模型
  • 5.4 Scikit-learn半监督学习模型
  • 5.4.1 自学习框架
  • 5.4.2 标签传播算法
  • 5.5 单机机器学习模型的常用优化技巧
  • 5.5.1 交叉验证
  • 5.5.2 特征工程
  • 5.5.3 参数正则化
  • 5.5.4 超参数寻优
  • 5.5.5 并行加速训练
  • 小结
  • 进阶篇
  • 第6章 PyTorch/TensorFlow/PaddlePaddle深度学习
  • 6.1 PyTorch/TensorFlow/PaddlePaddle环境配置
  • 6.1.1 PyTorch环境配置
  • 6.1.2 TensorFlow环境配置
  • 6.1.3 PaddlePaddle环境配置
  • 6.2 全连接神经网络
  • 6.2.1 全连接神经网络的PyTorch实践
  • 6.2.2 全连接神经网络的TensorFlow实践
  • 6.2.3 全连接神经网络的PaddlePaddle实践
  • 6.3 卷积神经网络
  • 6.3.1 卷积神经网络的PyTorch实践
  • 6.3.2 卷积神经网络的TensorFlow实践
  • 6.3.3 卷积神经网络的PaddlePaddle实践
  • 6.4 残差神经网络
  • 6.4.1 残差神经网络的PyTorch实践
  • 6.4.2 残差神经网络的TensorFlow实践
  • 6.4.3 残差神经网络的PaddlePaddle实践
  • 6.5 循环神经网络
  • 6.5.1 循环神经网络的PyTorch实践
  • 6.5.2 循环神经网络的TensorFlow实践
  • 6.5.3 循环神经网络的PaddlePaddle实践
  • 6.6 注意力机制
  • 6.6.1 注意力机制的PyTorch实践
  • 6.6.2 注意力机制的TensorFlow实践
  • 6.6.3 注意力机制的PaddlePaddle实践
  • 6.7 自动编码器
  • 6.7.1 自动编码器的PyTorch实践
  • 6.7.2 自动编码器的TensorFlow实践
  • 6.7.3 自动编码器的PaddlePaddle实践
  • 6.8 变换模型
  • 6.8.1 变换模型的PyTorch实践
  • 6.8.2 变换模型的TensorFlow实践
  • 6.8.3 变换模型的PaddlePaddle实践
  • 6.9 深度学习模型的常用优化技巧
  • 6.9.1 随机失活
  • 6.9.2 批标准化
  • 6.9.3 层标准化
  • 小结
  • 第7章 PySpark分布式机器学习
  • 7.1 PySpark环境配置
  • 7.1.1 使用Anaconda Navigator搭建和配置环境
  • 7.1.2 使用conda命令搭建和配置环境
  • 7.1.3 安装JRE
  • 7.2 PySpark分布式数据结构
  • 7.2.1 RDD
  • 7.2.2 DataFrame
  • 7.3 PySpark分布式特征工程
  • 7.3.1 特征抽取
  • 7.3.2 特征转换
  • 7.4 PySpark分布式机器学习
  • 7.4.1 PySpark-ML分类预测模型
  • 7.4.2 PySpark-ML数值回归模型
  • 7.5 分布式机器学习模型的常用优化技巧
  • 7.5.1 超参数寻优：留一验证
  • 7.5.2 超参数寻优：交叉验证
  • 小结
  • 实践篇
  • 第8章 Kaggle竞赛实践
  • 8.1 Titanic罹难乘客预测
  • 8.1.1 数据分析
  • 8.1.2 数据预处理
  • 8.1.3 模型设计与寻优
  • 8.1.4 提交测试
  • 8.2 Ames房产价格评估
  • 8.2.1 数据分析
  • 8.2.2 数据预处理
  • 8.2.3 模型设计与寻优
  • 8.2.4 提交测试
  • 8.3 Twitter短文本分类
  • 8.3.1 数据分析
  • 8.3.2 数据预处理
  • 8.3.3 模型设计与寻优
  • 8.3.4 提交测试
  • 8.4 CIFAR-100图像识别
  • 8.4.1 数据分析
  • 8.4.2 数据预处理
  • 8.4.3 模型设计与寻优
  • 8.4.4 提交测试
  • 小结
  • 第9章 Git代码管理
  • 9.1 Git本地环境搭建
  • 9.1.1 Windows下Git工具的安装与配置
  • 9.1.2 macOS下Git工具的安装与配置
  • 9.1.3 Ubuntu下Git工具的安装与配置
  • 9.2 Git远程仓库配置
  • 9.2.1 GitHub介绍
  • 9.2.2 GitHub远程仓库的创建与配置
  • 9.2.3 Gitee介绍
  • 9.2.4 Gitee远程仓库的创建与配置
  • 9.3 Git基本指令
  • 9.3.1 克隆仓库
  • 9.3.2 提交修改
  • 9.3.3 远程推送
  • 9.4 Git分支管理
  • 9.4.1 创建分支
  • 9.4.2 分支合并
  • 9.4.3 合并冲突
  • 9.4.4 删除分支
  • 9.5 贡献Git项目
  • 9.5.1 复刻项目
  • 9.5.2 本地克隆、修改与推送
  • 9.5.3 发起拉取请求
  • 小结
  • 后记
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。