漫画学人工智能(PYTHON版)

1星价 ¥71.0 (7.1折)

2星价￥71.0 定价￥100.0

作者：肖凯

出版社：电子工业出版社

本类榜单：计算机/网络

分类：计算机/网络 > 计算机理论

暂无评论

图文详情

ISBN：9787121465468
装帧：平塑勒
册数：暂无
重量：暂无
开本：其他
页数：232
出版时间：2024-02-01
条形码：9787121465468 ; 978-7-121-46546-8

本书特色

表达生动：对于理论知识，本书主要通过通俗易懂的语言和图表来讲解，回避过多的公式。代码为主：Python代码在表达能力上比公式更具体，比语言更精确，因此本书有大量代码，不仅可以帮助读者理解，而且可以提高读者的编程能力。知识完备：人工智能领域涉及的知识相当多，本书选择了其中颇为重要、基础的知识，而且均从基础讲起，包括重要的机器学习入门知识、编程算法，不需要其他资料作为预备读物。

内容简介

人工智能的时代已经到来。中国的青少年需要学会用人工智能的语言来理解世界，用人工智能的思想来创造世界。本书主要介绍如何使用Python 来学习和应用人工智能算法。全书知识体系完备，主要分为三大部分。**部分讲解基础编程知识和Python 语言特性。第二部分讲解如何处理数据，如何分析和观察数据。第三部分讲解若干机器学习算法，并拓展介绍深度学习和强化学习的入门知识。本书配套了代码仓库，可供开设人工智能课程的中小学老师，以及对人工智能感兴趣的业余爱好者参考使用。

第1章编程环境介绍和安装
1.1 什么是Python
1.2 为什么用Python来学习人工智能
1.3 Anaconda环境的安装
1.4 Jupyter Notebook的界面和基本使用
1.5 本章小结

第2章 Python基础
2.1 掌握**个命令：print
2.2 数学运算
2.3 变量
2.4 数据类型
2.5 函数
2.6 类
2.7 练习
2.8 本章小结

第3章循环语句、条件语句和二分搜索算法
3.1 逻辑值和判断条件
3.2 循环语句和列表
3.3 二分搜索算法
3.4 练习
3.5 本章小结

第4章递归算法和快速排序
4.1 再谈列表
4.2 选择排序
4.3 递归算法
4.4 快速排序
4.5 练习
4.6 本章小结

第5章字典和广度优先搜索
5.1 什么是字典
5.2 字典的排序
5.3 广度优先搜索
5.4 练习
5.5 本章小结

第6章集合和贪心算法
6.1 什么是集合
6.2 组合
6.3 贪心算法
6.4 练习
6.5 本章小结

第7章数组和向量化计算
7.1 一维数组
7.2 二维数组
7.3 数组操作
7.4 向量化计算
7.5 练习
7.6 本章小结

第8章随机和模拟
8.1 什么是随机事件
8.2 模拟掷骰子
8.3 模拟扔硬币
8.4 练习
8.5 本章小结

第9章数据可视化
9.1 可视化目标和类型
9.2 matplotlib绘图基础
9.3 交互式绘图模块
9.4 练习
9.5 本章小结

第10章文件读取和数据分析
10.1 什么是数据分析
10.2 文件读取
10.3 一元统计分析
10.4 二元统计分析
10.5 练习
10.6 本章小结

第11章 *优化方法
11.1 什么是*优化
11.2 梯度下降算法
11.3 遗传算法
11.4 练习
11.5 本章小结论

第12章机器学习基础
12.1 什么是机器学习
12.2 有监督学习
12.3 无监督学习
12.4 强化学习
12.5 本章小结
第13章感知机分类器
13.1 什么是分类器
13.2 什么是感知机分类器
13.3 感知机分类器是如何训练权重的
13.4 练习
13.5 本章小结
第14章逻辑回归分类器
14.1 什么是逻辑回归分类器
14.2 什么是损失函数
14.3 逻辑回归分类器是如何训练权重的
14.4 分类器的评估方法
14.5 练习
14.6 本章小结
第15章线性回归和评估
15.1 什么是线性回归
15.2 线性回归的评估方法
目录 IX
15.3 线性回归是如何训练权重的
15.4 练习
15.5 本章小结
第16章聚类算法和应用
16.1 什么是聚类
16.2 什么是K-means聚类算法
16.3 如何实现K-means聚类算法
16.4 练习
16.5 本章小结
第17章深度学习和框架
17.1 什么是深度学习
17.2 深度学习框架PyTorch
17.3 PyTorch的安装
17.4 PyTorch基础
17.4.1 向量
17.4.2 自动梯度计算
17.5 练习
17.6 本章小结
第18章基于PyTorch的线性回归和逻辑回归
18.1 基于PyTorch的线性回归
18.2 基于PyTorch的逻辑回归
18.3 练习
18.4 本章小结

第19章人工神经网络
19.1 理解人工神经网络
19.2 基于PyTorch的神经网络
19.3 练习
19.4 本章小结

第20章用卷积神经网络处理图片问题
20.1 用DNN判断手写数字
20.2 用DNN判断服饰类型
20.3 用CNN判断服饰类型
20.4 本章小结

第21章用循环神经网络处理文本问题
21.1 独热编码
21.2 文本的基本处理
21.3 用DNN判断文本类别
21.4 用RNN判断文本类别
21.5 本章小结

第22章强化学习基础
22.1 强化学习的基本概念
22.2 Q学习的思想
22.3 在一维空间中寻宝
22.4 本章小结

第23章强化学习探索二维世界
23.1 二维格子世界的问题
23.2 环境模块gym
23.3 基于Q学习的二维格子世界
23.4 本章小结

第24章人工智能的下一步和学习资源
24.1 人工智能的前沿进展
24.2 人工智能的未来
24.3 生活中的人工智能工具
24.4 学习资源
24.4.1 出版读物
24.4.2 网络课
24.4.3 微信公众号

展开全部