基本信息

• 商品名称：人工智能入门 常用工具
• 作者：张晓明
• 定价：59
• 出版社：人民邮电
• ISBN号：9787115505439

其他参考信息（以实物为准）

• 出版时间：2020-06-01
• 印刷时间：2020-06-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：223
• 字数：320千字

编辑推荐语

1.基于流行的Python语言； 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； 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； 4.涵盖了Python、Pandas、Matplotlib、Seaborn、Scikit-learn、TensorFlow、Keras等7种主流工具。 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， 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。 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。 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。 本书主要内容 Python的基础知识 数据可视化 数据清洗 回归的相关知识 支持向量机 模型评估 神经网络 TensorFlow的基础知识 图像分类 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。

作者简介

张晓明，网名大圣， 早期的竞价搜索工程师，曾就职雅虎、阿里巴巴、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。

目录

目录
第　1章Python语法要素　1
1.1用模块组织代码　1
1.2模块的两种使用方式　2
1.3编程的语法要素　4
1.3.1变量　4
1.3.2变量的数据类型和运算　5
1.4代码实战　1：计算二维空间两个点的距离　6
1.5数据结构　7
1.5.1列表　9
1.5.2字典　10
1.6代码实战　2：计算三维空间中两个点的距离　11
第　2章语法结构　13
2.1分支结构　13
2.2循环结构　14
2.2.1退出循环　15
2.2.2else　16
2.3代码实战：计算高维空间两个点的距离　16
第3章函数和类　18
3.1函数　18
3.1.1定义函数　18
3.1.2代码实战：距离函数　19
3.2类和对象　20
3.3类和继承　22
3.4小结　24
第4章走进机器学习　25
4.1不要关心概念　26
4.2数据建模　27
4.2.1用数学公式建模　27
4.2.2用概率建模　28
4.3机器学习的功能　30
4.3.1什么是分类问题　30
4.3.2什么是回归问题　32
4.3.3什么是聚类问题　34
4.4小结　36
第5章如何获取数据　37
5.1代码实战1：获得鸢尾花数据集　37
5.2　专家解读　39
5.3代码实战2：获得新闻数据集　40
5.4专家解读　41
5.5代码实战3：生成不均衡数据集　41
5.6专家解读　42
5.7小结　44
第6章读取外部数据　45
6.1代码实战1：从文件读取数据　45
6.2专家解读　46
6.2.1对时间的处理　47
6.2.2大文件迭代　47
6.2.3CSV文件的写操作　48
6.3libsvm格式文件的读写　49
6.4专家解读　50
6.5代码实战2：从MySQL读取数据　51
第7章数据可视化探索　53
7.1作者建议　53
7.2代码实战　1：观察分布　54
7.3代码实战　2：观察变量间关系　59
7.4小结　63
第8章数据清洗　65
8.1代码实战　1：特征类型校准　65
8.2代码实战　2：数据分布可视化　67
8.3代码实战　3：处理缺失值　69
8.4代码实战　4：经验法则和异常值处理　72
8.5代码实战　5：方差分析和变量筛选　75
第9章如何做回归　79
9.1代码实战　1：经典回归　79
9.2专家解读　82
9.3代码实战　2：多元线性回归　84
9.4专家解读　86
9.5代码实战　3：岭回归　86
9.6专家解读　87
9.7代码实战　4：Lasso回归　88
9.8专家解读　89
9.9代码实战　5：KDE回归　90
9.10专家解读　93
9.11小结　95
第　10章支持向量机和图像分类　96
10.1代码实战　1：支持向量机和图像识别　96
10.2专家解读　101
10.3代码实战　2：核技巧　104
10.4代码实战　3：软间隔 vs 硬间隔　108
10.5小结　109
第　11章模型评估和优化　110
11.1代码实战　1：如何评估模型的分数　111
11.2专家解读　112
11.3代码实战　2：绘制ROC曲线　114
11.4专家解读　117
11.5代码实战　3：使用交叉验证对模型评分　118
11.6小结　121
第　12章神经网络和深度学习　122
12.1神经网络　122
12.1.1M-P神经元模型　124
12.1.2前馈神经网络　124
12.2卷积神经网络　125
12.2.1CNN的典型结构示意　126
12.2.2卷积层　127
12.2.3ReLU层　128
12.2.4池化层　129
12.2.5全连接层　129
12.3BP算法　129
12.4盘点 的CNN架构　130
第　13章深度学习的硬件和软件　133
13.1为什么是GPU　133
13.1.1GPU和矩阵运算　134
13.1.2CUDA　135
13.2深度学习框架　136
13.2.1框架的意义　137
13.2.2各种框架盘点　138
13.2.3什么是Keras　139
13.3小结　142
第　14章TensorFlow入门　143
14.1初识　143
14.2专家解读　144
14.3代码实战：线性回归　148
14.4小结　152
第　15章Keras入门必读　153
15.1代码实战1：用Keras做线性回归模型　154
15.2专家解读　157
15.2.1序列模型和函数式模型的区别　158
15.2.2激活层的简写　159
15.2.3Keras的scikit-learn接口　160
15.3　代码实战2：手写数字识别　161
15.4专家解读　168
15.5小结　172
第　16章识别交通标志　174
16.1认识数据　174
16.2从图片文件到张量　176
16.3搭建网络模型　181
16.4训练模型　183
16.5图像增强改进　187
16.6小结　191
第　17章站在巨人的肩膀上　193
17.1代码实战1：用VGG16做图像识别　194
17.2代码实战2：特征提取　196
17.3代码实战3：迁移学习　197
17.4经典网络通览　203
17.4.1VGG16　204
17.4.2GoogLeNet(Inception)　207
17.4.3ResNet　211
17.5小结　214
附录　工作环境搭建说明　215