中图网

>

计算机教材

PYTHON人工智能编程实践

作者：范淼、徐晟桐

出版社：清华大学出版社出版时间：2024-04-01

开本：其他页数： 336

本类榜单：计算机/网络销量榜

中图价:¥58.3(7.3折) 定价 ~~¥79.9~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥58.3 加入购物车

版权信息
本书特色
内容简介
目录

PYTHON人工智能编程实践版权信息

ISBN：9787302661788
条形码：9787302661788 ; 978-7-302-66178-8
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机教材

PYTHON人工智能编程实践本书特色

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*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。

PYTHON人工智能编程实践内容简介

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***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。全书共分为4部分，分别如下。（1）入门篇：包括对全书核心概念的指南性介绍，以及如何在多种主流PC操作系统上（如Windows、macOS和Ubuntu）配置基本编程环境的详细说明。（2）基础篇：涵盖了Python 3.11的编程基础、基于Pandas 2.0的数据分析，以及使用Scikitlearn 1.3解决大量经典的单机（单核/多核）机器学习问题。（3）进阶篇：介绍如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark 3.4的ML编程库完成一些常见的分布式机器学习任务。（4）实践篇：利用全书所讲授的Python编程、数据分析，以及（单机、深度、分布式）机器学习知识，从事Kaggle多种类型的竞赛实战。同时，介绍如何使用Git工具，在Gitee与GitHub平台上更新和维护自己的日常代码与编程项目。综上，本书面向所有对人工智能领域感兴趣的读者，特别适合从事数据挖掘、机器学习、计算机视觉、自然语言处理等相关技术研发和应用实践的初学者。

PYTHON人工智能编程实践目录

入门篇
第1章全书指南31.1Python编程3
1.2数据分析5
1.3机器学习6
1.3.1任务8
1.3.2经验8
1.3.3表现9
1.4Kaggle竞赛11
1.5Git代码管理12
小结13
第2章基本环境搭建与配置14
2.1Windows下基本环境的搭建与配置14
2.1.1查看Windows的版本与原始配置14
2.1.2下载并安装Anaconda3（Windows版本）15
2.1.3创建虚拟环境python_env16
2.1.4在虚拟环境python_env下安装Jupyter Notebook17
2.2macOS下基本环境的搭建与配置18
2.2.1查看macOS的版本与原始配置18
2.2.2下载并安装Anaconda3（macOS版本）19
2.2.3创建虚拟环境python_env20
2.2.4在虚拟环境python_env下安装Jupyter Notebook21
2.3Ubuntu下基本环境的搭建与配置22
2.3.1查看Ubuntu的版本与原始配置22
2.3.2下载并安装Anaconda3（Linux版本）23
2.3.3创建虚拟环境python_env23
2.3.4在虚拟环境python_env下安装Jupyter Notebook25Python人工智能编程实践目录2.4Jupyter Notebook使用简介26
2.4.1在虚拟环境python_env下启动Jupyter Notebook26
2.4.2创建一个.ipynb文件27
2.4.3试运行.ipynb文件内的Python 3程序28
2.5PyCharm使用简介28
2.5.1安装PyCharm29
2.5.2在虚拟环境python_env下启动PyCharm30
2.5.3创建一个.py文件31
2.5.4试运行.py文件内的Python 3程序32
小结32
基础篇
第3章Python编程基础353.1Python环境配置35
3.1.1基于命令行/终端的交互式编程环境35
3.1.2基于Web的交互式开发环境36
3.1.3集成式开发环境38
3.2Python基本语法39
3.2.1注释39
3.2.2赋值40
3.2.3缩进41
3.3Python数据类型41
3.4Python数据运算44
3.5Python流程控制46
3.5.1分支语句47
3.5.2循环控制48
3.6Python函数设计49
3.7Python面向对象编程49
3.8Python编程库（包）/模块导入51
3.9Python编程综合实践53
小结54
第4章Pandas数据分析55
4.1Pandas环境配置55
4.1.1使用Anaconda Navigator搭建和配置环境56
4.1.2使用conda命令搭建和配置环境57
4.2Pandas核心数据结构58
4.2.1序列58
4.2.2数据框59
4.3Pandas读取/写入文件数据60
4.3.1读取/写入CSV文件数据60
4.3.2读取/写入JSON文件数据62
4.3.3读取/写入Excel文件数据64
4.4Pandas数据分析的常用功能67
4.4.1添加数据67
4.4.2删除数据69
4.4.3查询/筛选数据69
4.4.4修改数据70
4.4.5数据统计71
4.4.6数据排序72
4.4.7函数应用73
4.5Pandas数据合并74
4.6Pandas数据清洗75
4.7Pandas数据分组与聚合77
小结78
第5章Scikitlearn单机机器学习80
5.1Scikitlearn环境配置81
5.1.1使用Anaconda Navigator搭建和配置环境81
5.1.2使用conda命令搭建和配置环境82
5.2Scikitlearn无监督学习83
5.2.1降维学习与可视化83
5.2.2聚类算法91
5.3Scikitlearn监督学习98
5.3.1分类预测模型98
5.3.2数值回归模型114
5.4Scikitlearn半监督学习模型123
5.4.1自学习框架123
5.4.2标签传播算法126
5.5单机机器学习模型的常用优化技巧127
5.5.1交叉验证127
5.5.2特征工程129
5.5.3参数正则化135
5.5.4超参数寻优139
5.5.5并行加速训练140
小结142
进阶篇
第6章PyTorch/TensorFlow/PaddlePaddle深度学习1476.1PyTorch/TensorFlow/PaddlePaddle环境配置148
6.1.1PyTorch环境配置148
6.1.2TensorFlow环境配置150
6.1.3PaddlePaddle环境配置151
6.2全连接神经网络153
6.2.1全连接神经网络的PyTorch实践153
6.2.2全连接神经网络的TensorFlow实践157
6.2.3全连接神经网络的PaddlePaddle实践159
6.3卷积神经网络161
6.3.1卷积神经网络的PyTorch实践162
6.3.2卷积神经网络的TensorFlow实践166
6.3.3卷积神经网络的PaddlePaddle实践168
6.4残差神经网络171
6.4.1残差神经网络的PyTorch实践172
6.4.2残差神经网络的TensorFlow实践175
6.4.3残差神经网络的PaddlePaddle实践178
6.5循环神经网络181
6.5.1循环神经网络的PyTorch实践182
6.5.2循环神经网络的TensorFlow实践185
6.5.3循环神经网络的PaddlePaddle实践187
6.6注意力机制190
6.6.1注意力机制的PyTorch实践191
6.6.2注意力机制的TensorFlow实践194
6.6.3注意力机制的PaddlePaddle实践196
6.7自动编码器199
6.7.1自动编码器的PyTorch实践200
6.7.2自动编码器的TensorFlow实践203
6.7.3自动编码器的PaddlePaddle实践206
6.8变换模型209
6.8.1变换模型的PyTorch实践210
6.8.2变换模型的TensorFlow实践214
6.8.3变换模型的PaddlePaddle实践216
6.9深度学习模型的常用优化技巧219
6.9.1随机失活219
6.9.2批标准化228
6.9.3层标准化235
小结244
第7章PySpark分布式机器学习246
7.1PySpark环境配置248
7.1.1使用Anaconda Navigator搭建和配置环境248
7.1.2使用conda命令搭建和配置环境249
7.1.3安装JRE250
7.2PySpark分布式数据结构251
7.2.1RDD252
7.2.2DataFrame254
7.3PySpark分布式特征工程255
7.3.1特征抽取255
7.3.2特征转换260
7.4PySpark分布式机器学习263
7.4.1PySparkML分类预测模型264
7.4.2PySparkML数值回归模型269
7.5分布式机器学习模型的常用优化技巧273
7.5.1超参数寻优：留一验证274
7.5.2超参数寻优：交叉验证275
小结277
实践篇
第8章Kaggle竞赛实践2818.1Titanic罹难乘客预测282
8.1.1数据分析282
8.1.2数据预处理284
8.1.3模型设计与寻优285
8.1.4提交测试286
8.2Ames房产价格评估287
8.2.1数据分析288
8.2.2数据预处理292
8.2.3模型设计与寻优294
8.2.4提交测试294
8.3Twitter短文本分类295
8.3.1数据分析296
8.3.2数据预处理297
8.3.3模型设计与寻优298
8.3.4提交测试299
8.4CIFAR100图像识别300
8.4.1数据分析301
8.4.2数据预处理302
8.4.3模型设计与寻优303
8.4.4提交测试305
小结306
第9章Git代码管理308
9.1Git本地环境搭建309
9.1.1Windows下Git工具的安装与配置309
9.1.2macOS下Git工具的安装与配置309
9.1.3Ubuntu下Git工具的安装与配置309
9.2Git远程仓库配置310
9.2.1GitHub介绍311
9.2.2GitHub远程仓库的创建与配置311
9.2.3Gitee介绍312
9.2.4Gitee远程仓库的创建与配置312
9.3Git基本指令313
9.3.1克隆仓库313
9.3.2提交修改314
9.3.3远程推送314
9.4Git分支管理316
9.4.1创建分支317
9.4.2分支合并317
9.4.3合并冲突317
9.4.4删除分支319
9.5贡献Git项目319
9.5.1复刻项目319
9.5.2本地克隆、修改与推送320
9.5.3发起拉取请求320
小结322
后记323

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐