人工智能入門常用工具

定　價：￥59.00

作　者：	張曉明著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥59.00)

ISBN：	9787115505439	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	223	字數(shù)：

內(nèi)容簡介

　　本書基于流行的Python語言，本書從案例出發(fā)，展示各種工具的適用場景、關鍵用法和應用技巧。本書分成四大單元，包括Python語法精講、數(shù)據(jù)預處理和可視化、機器學習、深度學習4個單元。涵蓋了Python、Pandas、Matplotlib、Seaborn、Scikit-learn、TensorFlow、Keras等7種主流工具。

作者簡介

　　張曉明，網(wǎng)名大圣，國內(nèi)早期的競價搜索工程師，曾就職雅虎、阿里巴巴、中國移動等大型互聯(lián)網(wǎng)公司，擔任過數(shù)據(jù)專家、技術總監(jiān)等職務，服務過廣告、電商、移動運營商、互聯(lián)網(wǎng)金融等行業(yè)，有15年以上的數(shù)據(jù)挖掘、機器學習一線工程經(jīng)驗?，F(xiàn)為自由職業(yè)者、獨立咨詢顧問、獨立講師。

圖書目錄

目錄
第　1章Python語法要素　1
1．1用模塊組織代碼　1
1．2模塊的兩種使用方式　2
1．3編程的語法要素　4
1．3．1變量　4
1．3．2變量的數(shù)據(jù)類型和運算　5
1．4代碼實戰(zhàn)　1：計算二維空間兩個點的距離　6
1．5數(shù)據(jù)結構　7
1．5．1列表　9
1．5．2字典　10
1．6代碼實戰(zhàn)　2：計算三維空間中兩個點的距離　11
第　2章語法結構　13
2．1分支結構　13
2．2循環(huán)結構　14
2．2．1退出循環(huán)　15
2．2．2else　16
2．3代碼實戰(zhàn)：計算高維空間兩個點的距離　16
第3章函數(shù)和類　18
3．1函數(shù)　18
3．1．1定義函數(shù)　18
3．1．2代碼實戰(zhàn)：距離函數(shù)　19
3．2類和對象　20
3．3類和繼承　22
3．4小結　24
第4章走進機器學習　25
4．1不要關心概念　26
4．2數(shù)據(jù)建?！?7
4．2．1用數(shù)學公式建模　27
4．2．2用概率建?！?8
4．3機器學習的功能　30
4．3．1什么是分類問題　30
4．3．2什么是回歸問題　32
4．3．3什么是聚類問題　34
4．4小結　36
第5章如何獲取數(shù)據(jù)　37
5．1代碼實戰(zhàn)1：獲得鳶尾花數(shù)據(jù)集　37
5．2　專家解讀　39
5．3代碼實戰(zhàn)2：獲得新聞數(shù)據(jù)集　40
5．4專家解讀　41
5．5代碼實戰(zhàn)3：生成不均衡數(shù)據(jù)集　41
5．6專家解讀　42
5．7小結　44
第6章讀取外部數(shù)據(jù)　45
6．1代碼實戰(zhàn)1：從文件讀取數(shù)據(jù)　45
6．2專家解讀　46
6．2．1對時間的處理　47
6．2．2大文件迭代　47
6．2．3CSV文件的寫操作　48
6．3libsvm格式文件的讀寫　49
6．4專家解讀　50
6．5代碼實戰(zhàn)2：從MySQL讀取數(shù)據(jù)　51
第7章數(shù)據(jù)可視化探索　53
7．1作者建議　53
7．2代碼實戰(zhàn)　1：觀察分布　54
7．3代碼實戰(zhàn)　2：觀察變量間關系　59
7．4小結　63
第8章數(shù)據(jù)清洗　65
8．1代碼實戰(zhàn)　1：特征類型校準　65
8．2代碼實戰(zhàn)　2：數(shù)據(jù)分布可視化　67
8．3代碼實戰(zhàn)　3：處理缺失值　69
8．4代碼實戰(zhàn)　4：經(jīng)驗法則和異常值處理　72
8．5代碼實戰(zhàn)　5：方差分析和變量篩選　75
第9章如何做回歸　79
9．1代碼實戰(zhàn)　1：經(jīng)典回歸　79
9．2專家解讀　82
9．3代碼實戰(zhàn)　2：多元線性回歸　84
9．4專家解讀　86
9．5代碼實戰(zhàn)　3：嶺回歸　86
9．6專家解讀　87
9．7代碼實戰(zhàn)　4：Lasso回歸　88
9．8專家解讀　89
9．9代碼實戰(zhàn)　5：KDE回歸　90
9．10專家解讀　93
9．11小結　95
第　10章支持向量機和圖像分類　96
10．1代碼實戰(zhàn)　1：支持向量機和圖像識別　96
10．2專家解讀　101
10．3代碼實戰(zhàn)　2：核技巧　104
10．4代碼實戰(zhàn)　3：軟間隔 vs 硬間隔　108
10．5小結　109
第　11章模型評估和優(yōu)化　110
11．1代碼實戰(zhàn)　1：如何評估模型的分數(shù)　111
11．2專家解讀　112
11．3代碼實戰(zhàn)　2：繪制ROC曲線　114
11．4專家解讀　117
11．5代碼實戰(zhàn)　3：使用交叉驗證對模型評分　118
11．6小結　121
第　12章神經(jīng)網(wǎng)絡和深度學習　122
12．1神經(jīng)網(wǎng)絡　122
12．1．1M-P神經(jīng)元模型　124
12．1．2前饋神經(jīng)網(wǎng)絡　124
12．2卷積神經(jīng)網(wǎng)絡　125
12．2．1CNN的典型結構示意　126
12．2．2卷積層　127
12．2．3ReLU層　128
12．2．4池化層　129
12．2．5全連接層　129
12．3BP算法　129
12．4盤點著名的CNN架構　130
第　13章深度學習的硬件和軟件　133
13．1為什么是GPU　133
13．1．1GPU和矩陣運算　134
13．1．2CUDA　135
13．2深度學習框架　136
13．2．1框架的意義　137
13．2．2各種框架盤點　138
13．2．3什么是Keras　139
13．3小結　142
第　14章TensorFlow入門　143
14．1初識　143
14．2專家解讀　144
14．3代碼實戰(zhàn)：線性回歸　148
14．4小結　152
第　15章Keras入門必讀　153
15．1代碼實戰(zhàn)1：用Keras做線性回歸模型　154
15．2專家解讀　157
15．2．1序列模型和函數(shù)式模型的區(qū)別　158
15．2．2激活層的簡寫　159
15．2．3Keras的scikit-learn接口　160
15．3　代碼實戰(zhàn)2：手寫數(shù)字識別　161
15．4專家解讀　168
15．5小結　172
第　16章識別交通標志　174
16．1認識數(shù)據(jù)　174
16．2從圖片文件到張量　176
16．3搭建網(wǎng)絡模型　181
16．4訓練模型　183
16．5圖像增強改進　187
16．6小結　191
第　17章站在巨人的肩膀上　193
17．1代碼實戰(zhàn)1：用VGG16做圖像識別　194
17．2代碼實戰(zhàn)2：特征提取　196
17．3代碼實戰(zhàn)3：遷移學習　197
17．4經(jīng)典網(wǎng)絡通覽　203
17．4．1VGG16　204
17．4．2GoogLeNet(Inception)　207
17．4．3ResNet　211
17．5小結　214
附錄　工作環(huán)境搭建說明　215