人工智能算法與實(shí)戰(zhàn)：微課視頻版（Python+PyTorch）

定　價(jià)：￥59.90

作　者：	于祥雨，李旭靜，邵新平著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	大數(shù)據(jù)與人工智能技術(shù)叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥54.30)

ISBN：	9787302557821	出版時(shí)間：	2020-09-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	208	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書可視為一本以問(wèn)題為導(dǎo)向的書籍，非常適合具備一定數(shù)據(jù)基礎(chǔ)和Python基礎(chǔ)的讀者學(xué)習(xí)，作為一本數(shù)據(jù)科學(xué)的基礎(chǔ)書籍，讀者可以在短時(shí)間內(nèi)學(xué)習(xí)數(shù)據(jù)科學(xué)的經(jīng)典算法。主要闡述 python3 基礎(chǔ)內(nèi)容；常用模塊進(jìn)行扼要闡述和實(shí)例操作；常見(jiàn)統(tǒng)計(jì)量，數(shù)據(jù)轉(zhuǎn)換，以及多維數(shù)組等內(nèi)容，并通過(guò)代碼實(shí)現(xiàn)；特色是以問(wèn)題導(dǎo)向的方式闡述了常見(jiàn)的 12 種經(jīng)典算法；并介紹了 pytorch 的相關(guān)內(nèi)容，并扼要闡述了深度學(xué)習(xí)中幾種經(jīng)典的神經(jīng)網(wǎng)絡(luò)算法，以及 pytorch 實(shí)現(xiàn)經(jīng)典的神經(jīng)網(wǎng)絡(luò)算法。

作者簡(jiǎn)介

　　于祥雨，算法工程師，杭州師范大學(xué)理學(xué)碩士，長(zhǎng)期從事于數(shù)據(jù)分析，機(jī)器學(xué)習(xí)和人工智能等領(lǐng)域. 擅長(zhǎng) Python3 編程，機(jī)器學(xué)習(xí)以及圖像分類等問(wèn)題.參與國(guó)家自然基金 1 項(xiàng).

圖書目錄

第1章準(zhǔn)備工作

1.1Python的安裝

1.1.1簡(jiǎn)介

1.1.2安裝

1.1.3常用模塊

1.1.4虛擬環(huán)境

1.2基礎(chǔ)知識(shí)

1.2.1認(rèn)識(shí) Python

1.2.2數(shù)據(jù)類型

1.2.3數(shù)據(jù)結(jié)構(gòu)

1.2.4條件判斷

1.2.5循環(huán)

1.2.6實(shí)例

1.3Notebook開(kāi)發(fā)環(huán)境

1.3.1搭建Jupyter

1.3.2搭建Jupyterlab

1.4本章小結(jié)

第2章科學(xué)計(jì)算庫(kù)

2.1NumPy

2.1.1構(gòu)建數(shù)組

2.1.2數(shù)組運(yùn)算

2.1.3函數(shù)運(yùn)算

2.1.4文件存取

2.2SymPy

2.3SciPy

2.3.1非線性方程組

2.3.2最小二乘

2.3.3插值

2.4pandas

2.4.1Series

2.4.2dataframe

2.4.3日平均線

2.4.4數(shù)據(jù)存取

2.5Matplotlib

2.5.1二維圖形

2.5.2三維圖形

2.6本章小結(jié)

第3章描述性分析

3.1數(shù)據(jù)

3.2基本統(tǒng)計(jì)量

3.2.1平均數(shù)

3.2.2最值

3.2.3中位數(shù)

3.2.4眾數(shù)

3.2.5極差

3.2.6方差

3.2.7變異系數(shù)

3.2.8協(xié)方差

3.2.9相關(guān)系數(shù)

3.3數(shù)據(jù)轉(zhuǎn)換

3.3.1中心化

3.3.2minmax標(biāo)準(zhǔn)化

3.3.3BoxCox轉(zhuǎn)換

3.3.4log函數(shù)轉(zhuǎn)換

3.3.5zscore標(biāo)準(zhǔn)化

3.4常見(jiàn)距離

3.4.1閔氏距離

3.4.2余弦值相似度

3.5多維數(shù)據(jù)

3.5.1矩陣

3.5.2特征值和特征向量

3.5.3多重共線性

3.6學(xué)生基本信息實(shí)例

3.7本章小結(jié)

第4章經(jīng)典算法

4.1線性回歸

4.1.1思想方法

4.1.2線性回歸算法步驟

4.1.3實(shí)例

4.2邏輯回歸

4.2.1算法思想

4.2.2步驟

4.2.3實(shí)例

4.3主成分分析

4.3.1算法思想

4.3.2步驟

4.3.3實(shí)例

4.4線性判別分析

4.4.1算法思想

4.4.2步驟

4.4.3實(shí)例

4.5決策樹(shù)

4.5.1算法思想

4.5.2步驟

4.5.3實(shí)例

4.6隨機(jī)森林

4.6.1算法思想

4.6.2實(shí)例

4.7集成學(xué)習(xí)

4.7.1Bagging

4.7.2Boosting

4.7.3Stacking

4.8樸素貝葉斯

4.8.1算法思想

4.8.2步驟

4.8.3實(shí)例

4.9k最近鄰算法

4.9.1算法思想

4.9.2步驟

4.9.3實(shí)例

4.10kmeans聚類

4.10.1算法思想

4.10.2算法步驟

4.10.3實(shí)例

4.11推薦算法

4.11.1算法思想

4.11.2基于用戶的協(xié)同過(guò)濾

4.11.3步驟

4.11.4基于內(nèi)容的協(xié)同過(guò)濾

4.11.5總結(jié)

4.12SVD

4.12.1步驟

4.12.2實(shí)例

4.13本章小結(jié)

第5章深度學(xué)習(xí)

5.1PyTorch

5.1.1PyTorch安裝

5.1.2創(chuàng)建tensor

5.1.3基本運(yùn)算

5.1.4矩陣運(yùn)算

5.2基礎(chǔ)知識(shí)

5.2.1蒙特卡洛法

5.2.2梯度下降法

5.2.3封裝實(shí)現(xiàn)

5.2.4激活函數(shù)

5.2.5softmax

5.3前饋神經(jīng)網(wǎng)絡(luò)

5.3.1思想原理

5.3.2手寫體識(shí)別實(shí)例

5.4卷積神經(jīng)網(wǎng)絡(luò)

5.4.1核函數(shù)

5.4.2池化層

5.4.3LeNet

5.4.4AlexNet

5.4.5ResNet

5.4.6GoogLeNet

5.4.7垃圾分類實(shí)例

5.5生成對(duì)抗網(wǎng)絡(luò)

5.5.1思想原理

5.5.2對(duì)抗網(wǎng)絡(luò)實(shí)例

5.6其他神經(jīng)網(wǎng)絡(luò)

5.6.1循環(huán)神經(jīng)網(wǎng)絡(luò)

5.6.2風(fēng)格遷移神經(jīng)網(wǎng)絡(luò)

5.7本章小結(jié)

參考文獻(xiàn)