:人工智能入门常用工具张晓明

书名：人工智能入门 常用工具(异步图书出品)

定价：59.00元

作者：张晓明

出版社：人民邮电出版社

出版日期：2020-06-01

ISBN：9787115505439

字数：

页码：223

版次：1

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

1.基于流行的Python语言；n
2.从案例出发，展示各种工具的适用场景、关键用法和应用技巧；n
3.包括Python语法精讲、数据预处理和可视化、机器学习、深度学习4个单元；n
4.涵盖了Python、Pandas、Matplotlib、Seaborn、Scikit-learn、TensorFlow、Keras等7种主流工具。n

本书的目标在于降低学习人工智能的入门门槛，揭开人工智能神秘的面纱。本书不局限于某种特定的工具，不要求读者有深厚的理工背景，完全站在一个迫切想了解和学习人工智能的外行的角度上，力争让每个有兴趣、有热情的读者不会在人工智能的大潮中落伍。n
本书结合工程应用场景以及Python代码来解读主流工具的使用，使读者不仅知其然，还知其所以然。本书的案例、代码都是通过精心挑选的，读者通过阅读、模仿和实践，可以很快地发现“人工智能”原来如此。n
本书适合所有希望拥抱人工智能、提升自己工作技能的读者，尤其适合希望进入人工智能领域的在校学生和想转行人工智能的人员。n

本书主要内容n
Python的基础知识 n
数据可视化n
数据清洗 n
回归的相关知识n
支持向量机 n
模型评估n
神经网络 n
TensorFlow的基础知识n
图像分类 n
BP算法

内容提要

本书基于流行的Python语言，本书从案例出发，展示各种工具的适用场景、关键用法和应用技巧。本书分成四大单元，包括Python语法精讲、数据预处理和可视化、机器学习、深度学习4个单元。涵盖了Python、Pandas、Matplotlib、Seaborn、Scikit-learn、TensorFlow、Keras等7种主流工具。

目录

目录n
第　1章Python语法要素　1n
1．1用模块组织代码　1n
1．2模块的两种使用方式　2n
1．3编程的语法要素　4n
1．3．1变量　4n
1．3．2变量的数据类型和运算　5n
1．4代码实战　1：计算二维空间两个点的距离　6n
1．5数据结构　7n
1．5．1列表　9n
1．5．2字典　10n
1．6代码实战　2：计算三维空间中两个点的距离　11n
第　2章语法结构　13n
2．1分支结构　13n
2．2循环结构　14n
2．2．1退出循环　15n
2．2．2else　16n
2．3代码实战：计算高维空间两个点的距离　16n
第3章函数和类　18n
3．1函数　18n
3．1．1定义函数　18n
3．1．2代码实战：距离函数　19n
3．2类和对象　20n
3．3类和继承　22n
3．4小结　24n
第4章走进机器学习　25n
4．1不要关心概念　26n
4．2数据建模　27n
4．2．1用数学公式建模　27n
4．2．2用概率建模　28n
4．3机器学习的功能　30n
4．3．1什么是分类问题　30n
4．3．2什么是回归问题　32n
4．3．3什么是聚类问题　34n
4．4小结　36n
第5章如何获取数据　37n
5．1代码实战1：获得鸢尾花数据集　37n
5．2　专家解读　39n
5．3代码实战2：获得新闻数据集　40n
5．4专家解读　41n
5．5代码实战3：生成不均衡数据集　41n
5．6专家解读　42n
5．7小结　44n
第6章读取外部数据　45n
6．1代码实战1：从文件读取数据　45n
6．2专家解读　46n
6．2．1对时间的处理　47n
6．2．2大文件迭代　47n
6．2．3CSV文件的写操作　48n
6．3libsvm格式文件的读写　49n
6．4专家解读　50n
6．5代码实战2：从MySQL读取数据　51n
第7章数据可视化探索　53n
7．1作者建议　53n
7．2代码实战　1：观察分布　54n
7．3代码实战　2：观察变量间关系　59n
7．4小结　63n
第8章数据清洗　65n
8．1代码实战　1：特征类型校准　65n
8．2代码实战　2：数据分布可视化　67n
8．3代码实战　3：处理缺失值　69n
8．4代码实战　4：经验法则和异常值处理　72n
8．5代码实战　5：方差分析和变量筛选　75n
第9章如何做回归　79n
9．1代码实战　1：经典回归　79n
9．2专家解读　82n
9．3代码实战　2：多元线性回归　84n
9．4专家解读　86n
9．5代码实战　3：岭回归　86n
9．6专家解读　87n
9．7代码实战　4：Lasso回归　88n
9．8专家解读　89n
9．9代码实战　5：KDE回归　90n
9．10专家解读　93n
9．11小结　95n
第　10章支持向量机和图像分类　96n
10．1代码实战　1：支持向量机和图像识别　96n
10．2专家解读　101n
10．3代码实战　2：核技巧　104n
10．4代码实战　3：软间隔 vs 硬间隔　108n
10．5小结　109n
第　11章模型评估和优化　110n
11．1代码实战　1：如何评估模型的分数　111n
11．2专家解读　112n
11．3代码实战　2：绘制ROC曲线　114n
11．4专家解读　117n
11．5代码实战　3：使用交叉验证对模型评分　118n
11．6小结　121n
第　12章神经网络和深度学习　122n
12．1神经网络　122n
12．1．1M-P神经元模型　124n
12．1．2前馈神经网络　124n
12．2卷积神经网络　125n
12．2．1N的典型结构示意　126n
12．2．2卷积层　127n
12．2．3ReLU层　128n
12．2．4池化层　129n
12．2．5全连接层　129n
12．3BP算法　129n
12．4盘点的N架构　130n
第　13章深度学习的硬件和软件　133n
13．1为什么是GPU　133n
13．1．1GPU和矩阵运算　134n
13．1．2CUDA　135n
13．2深度学习框架　136n
13．2．1框架的意义　137n
13．2．2各种框架盘点　138n
13．2．3什么是Keras　139n
13．3小结　142n
第　14章TensorFlow入门　143n
14．1初识　143n
14．2专家解读　144n
14．3代码实战：线性回归　148n
14．4小结　152n
第　15章Keras入门必读　153n
15．1代码实战1：用Keras做线性回归模型　154n
15．2专家解读　157n
15．2．1序列模型和函数式模型的区别　158n
15．2．2激活层的简写　159n
15．2．3Keras的scikit-learn接口　160n
15．3　代码实战2：手写数字识别　161n
15．4专家解读　168n
15．5小结　172n
第　16章识别交通标志　174n
16．1认识数据　174n
16．2从图片文件到张量　176n
16．3搭建网络模型　181n
16．4训练模型　183n
16．5图像增强改进　187n
16．6小结　191n
第　17章站在巨人的肩膀上　193n
17．1代码实战1：用VGG16做图像识别　194n
17．2代码实战2：特征提取　196n
17．3代码实战3：迁移学习　197n
17．4经典网络通览　203n
17．4．1VGG16　204n
17．4．2GoogLeNet(Inception)　207n
17．4．3ResNet　211n
17．5小结　214n
附录　工作环境搭建说明　215

作者介绍

张晓明，网名大圣，早期的竞价搜索工程师，曾就职雅虎、、中国移动等大型互联网公司，担任过数据专家、技术总监等职务，服务过广告、电商、移动运营商、互联网金融等行业，有15年以上的数据挖掘、机器学习一线工程经验。现为自由职业者、独立咨询顾问、独立讲师。

文摘

序言