Python入门到人工智能实战PDF电子书下载

查看更多关于的内容

第1章 Python安装配置 1

1.1问题：Python能带来哪些优势？ 2

1.2安装Python 2

1.3配置开发环境 4

1.4试运行Python 7

1.5后续思考 12

1.6小结 12

第2章 变量和数据类型 13

2.1问题：Python是如何定义变量的？ 14

2.2变量 14

2.3字符串 16

2.4数字与运算符 19

2.5数据类型转换 21

2.6注释 23

2.7后续思考 23

2.8小结 23

第3章 列表和元组 25

3.1问题：如何存取更多数据？ 26

3.2列表概述 26

3.3访问列表元素的方法 26

3.4对列表进行增、删、改 29

3.5统计分析列表 31

3.6组织列表 32

3.7生成列表 33

3.8元组 35

3.9后续思考 37

3.10小结 37

第4章 if语句与循环语句 38

4.1问题：Python中的控制语句有何特点？ 39

4.2 if语句 39

4.3循环语句 42

4.4后续思考 46

4.5小结 46

第5章 字典和集合 47

5.1问题：当索引不好用时怎么办？ 48

5.2一个简单的字典实例 48

5.3创建和维护字典 48

5.4遍历字典 50

5.5集合 51

5.6列表、元组、字典和集合的异同 53

5.7迭代器和生成器 53

5.8后续思考 55

5.9小结 55

第6章 函数 57

6.1问题：如何实现代码共享？ 58

6.2创建和调用函数 58

6.3传递参数 60

6.4返回值 62

6.5传递任意数量的参数 63

6.6 lambda函数 65

6.7生成器函数 66

6.8把函数放在模块中 66

6.9后续思考 70

6.10小结 70

第7章 面向对象编程 71

7.1问题：如何实现不重复造轮子？ 72

7.2类与实例 72

7.3继承 76

7.4把类放在模块中 77

7.5标准库 78

7.6包 83

7.7实例1：使用类和包 84

7.8实例2：银行ATM机系统 86

7.9后续思考 89

7.10小结 89

第8章 文件与异常 90

8.1问题：Python如何获取文件数据？ 91

8.2基本的文件操作 93

8.3目录操作 98

8.4异常处理 100

8.5后续思考 105

8.6小结 105

第9章 NumPy基础 106

9.1问题：为什么说NumPy是打开人工智能的一把钥匙？ 107

9.2生成NumPy数组 107

9.3获取元素 112

9.4 NumPy的算术运算 114

9.5数组变形 116

9.6通用函数 122

9.7广播机制 124

9.8后续思考 125

9.9小结 125

第10章 Pandas基础 126

10.1问题：Pandas有哪些优势？ 127

10.2 Pandas数据结构 127

10.3 Series 128

10.4 DataFrame 129

10.5后续思考 141

10.6小结 142

第11章 数据可视化 143

11.1问题：为何选择Matplotlib？ 144

11.2可视化工具Matplotlib 144

11.3绘制多个子图 149

11.4 Seaborn简介 151

11.5图像处理与显示 153

11.6 Pyecharts简介 154

11.7实例：词云图 156

11.8后续思考 158

11.9小结 158

第12章 机器学习基础 159

12.1问题：机器学习如何学习？ 160

12.2机器学习常用算法 160

12.3机器学习的一般流程 163

12.4机器学习常用技巧 167

12.5实例1：机器学习是如何学习的？ 169

12.6实例2：用Scikit-Learn实现电信客户流失预测 172

12.7后续思考 181

12.8小结 181

第13章 神经网络 182

13.1问题：神经网络能代替传统机器学习吗？ 183

13.2单层神经网络 183

13.3多层神经网络 187

13.4输出层 188

13.5损失函数 191

13.6正向传播 193

13.7误差反向传播 194

13.8实例：用Python实现手写数字的识别 198

13.9后续思考 206

13.10小结 206

第14章 用PyTorch实现神经网络 207

14.1为何选择PyTorch？ 208

14.2安装配置 208

14.3 Tensor简介 212

14.4 autograd机制 214

14.5构建神经网络的常用工具 217

14.6数据处理工具 219

14.7实例1：用PyTorch实现手写数字识别 224

14.8实例2：用PyTorch解决回归问题 230

14.9小结 232

第15章 卷积神经网络 233

15.1问题：传统神经网络有哪些不足？ 234

15.2卷积神经网络 234

15.3实例：用PyTorch完成图像识别任务 239

15.4后续思考 246

15.5小结 246

第16章 提升模型性能的几种技巧 247

16.1问题：为什么有些模型尝试了很多方法仍然效果不佳？ 248

16.2找到合适的学习率 248

16.3正则化 249

16.4合理的初始化 252

16.5选择合适的优化器 254

16.6 GPU加速 256

16.7后续思考 258

16.8 小结 258

第17章 Keras入门 259

17.1问题：为何选择Keras架构？ 260

17.2 Keras简介 262

17.3 Keras常用概念 263

17.4 Keras常用层 265

17.5神经网络核心组件 267

17.6 Keras的开发流程 270

17.7实例：Keras程序的开发流程 271

17.8后续思考 273

17.9小结 273

第18章 用Keras实现图像识别 274

18.1实例1：用自定义模型识别手写数字 275

18.2实例2：用预训练模型识别图像 283

18.3后续思考 287

18.4小结 287

第19章 用Keras实现迁移学习 288

19.1问题：如何发挥小数据的潜力？ 289

19.2迁移学习简介 289

19.3迁移学习常用方法 290

19.4实例：用Keras实现迁移学习 292

19.5后续思考 301

19.6小结 301

第20章 用Keras实现风格迁移 302

20.1问题：如何捕捉图像风格？ 303

20.2通道与风格 304

20.3内容损失与风格损失 306

20.4格拉姆矩阵简介 308

20.5实例：用Kreras实现风格迁移 310

20.6后续思考 320

20.7小结 320

查看更多关于的内容