掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
漫畫學人工智能(PYTHON版) 版權信息
- ISBN：9787121465468
- 條形碼：9787121465468 ; 978-7-121-46546-8
- 裝幀：平塑勒
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
漫畫學人工智能(PYTHON版) 本書特色
表達生動：對于理論知識，本書主要通過通俗易懂的語言和圖表來講解，回避過多的公式。 代碼為主：Python代碼在表達能力上比公式更具體，比語言更精確，因此本書有大量代碼，不僅可以幫助讀者理解，而且可以提高讀者的編程能力。 知識完備：人工智能領域涉及的知識相當多，本書選擇了其中頗為重要、基礎的知識，而且均從基礎講起，包括重要的機器學習入門知識、編程算法，不需要其他資料作為預備讀物。
漫畫學人工智能(PYTHON版) 內容簡介
人工智能的時代已經到來。中國的青少年需要學會用人工智能的語言來理解世界，用人工智能的思想來創造世界。 本書主要介紹如何使用Python 來學習和應用人工智能算法。全書知識體系完備，主要分為三大部分。**部分講解基礎編程知識和Python 語言特性。第二部分講解如何處理數據，如何分析和觀察數據。第三部分講解若干機器學習算法，并拓展介紹深度學習和強化學習的入門知識。 本書配套了代碼倉庫，可供開設人工智能課程的中小學老師，以及對人工智能感興趣的業余愛好者參考使用。
漫畫學人工智能(PYTHON版) 目錄
第1章 編程環境介紹和安裝
1.1 什么是Python
1.2 為什么用Python來學習人工智能
1.3 Anaconda環境的安裝
1.4 Jupyter Notebook的界面和基本使用
1.5 本章小結
第2章 Python基礎
2.1 掌握**個命令：print
2.2 數學運算
2.3 變量
2.4 數據類型
2.5 函數
2.6 類
2.7 練習
2.8 本章小結
第3章 循環語句、條件語句和二分搜索算法
3.1 邏輯值和判斷條件
3.2 循環語句和列表
3.3 二分搜索算法
3.4 練習
3.5 本章小結
第4章 遞歸算法和快速排序
4.1 再談列表
4.2 選擇排序
4.3 遞歸算法
4.4 快速排序
4.5 練習
4.6 本章小結
第5章 字典和廣度優先搜索
5.1 什么是字典
5.2 字典的排序
5.3 廣度優先搜索
5.4 練習
5.5 本章小結
第6章 集合和貪心算法
6.1 什么是集合
6.2 組合
6.3 貪心算法
6.4 練習
6.5 本章小結
第7章 數組和向量化計算
7.1 一維數組
7.2 二維數組
7.3 數組操作
7.4 向量化計算
7.5 練習
7.6 本章小結
第8章 隨機和模擬
8.1 什么是隨機事件
8.2 模擬擲骰子
8.3 模擬扔硬幣
8.4 練習
8.5 本章小結
第9章 數據可視化
9.1 可視化目標和類型
9.2 matplotlib繪圖基礎
9.3 交互式繪圖模塊
9.4 練習
9.5 本章小結
第10章 文件讀取和數據分析
10.1 什么是數據分析
10.2 文件讀取
10.3 一元統計分析
10.4 二元統計分析
10.5 練習
10.6 本章小結
第11章 *優化方法
11.1 什么是*優化
11.2 梯度下降算法
11.3 遺傳算法
11.4 練習
11.5 本章小結論
第12章 機器學習基礎
12.1 什么是機器學習
12.2 有監督學習
12.3 無監督學習
12.4 強化學習
12.5 本章小結
第13章 感知機分類器
13.1 什么是分類器
13.2 什么是感知機分類器
13.3 感知機分類器是如何訓練權重的
13.4 練習
13.5 本章小結
第14章 邏輯回歸分類器
14.1 什么是邏輯回歸分類器
14.2 什么是損失函數
14.3 邏輯回歸分類器是如何訓練權重的
14.4 分類器的評估方法
14.5 練習
14.6 本章小結
第15章 線性回歸和評估
15.1 什么是線性回歸
15.2 線性回歸的評估方法
目錄 IX
15.3 線性回歸是如何訓練權重的
15.4 練習
15.5 本章小結
第16章 聚類算法和應用
16.1 什么是聚類
16.2 什么是K-means聚類算法
16.3 如何實現K-means聚類算法
16.4 練習
16.5 本章小結
第17章 深度學習和框架
17.1 什么是深度學習
17.2 深度學習框架PyTorch
17.3 PyTorch的安裝
17.4 PyTorch基礎
17.4.1 向量
17.4.2 自動梯度計算
17.5 練習
17.6 本章小結
第18章 基于PyTorch的線性回歸和邏輯回歸
18.1 基于PyTorch的線性回歸
18.2 基于PyTorch的邏輯回歸
18.3 練習
18.4 本章小結
第19章 人工神經網絡
19.1 理解人工神經網絡
19.2 基于PyTorch的神經網絡
19.3 練習
19.4 本章小結
第20章 用卷積神經網絡處理圖片問題
20.1 用DNN判斷手寫數字
20.2 用DNN判斷服飾類型
20.3 用CNN判斷服飾類型
20.4 本章小結
第21章 用循環神經網絡處理文本問題
21.1 獨熱編碼
21.2 文本的基本處理
21.3 用DNN判斷文本類別
21.4 用RNN判斷文本類別
21.5 本章小結
第22章 強化學習基礎
22.1 強化學習的基本概念
22.2 Q學習的思想
22.3 在一維空間中尋寶
22.4 本章小結
第23章 強化學習探索二維世界
23.1 二維格子世界的問題
23.2 環境模塊gym
23.3 基于Q學習的二維格子世界
23.4 本章小結
第24章 人工智能的下一步和學習資源
24.1 人工智能的前沿進展
24.2 人工智能的未來
24.3 生活中的人工智能工具
24.4 學習資源
24.4.1 出版讀物
24.4.2 網絡課
24.4.3 微信公眾號
1.1 什么是Python
1.2 為什么用Python來學習人工智能
1.3 Anaconda環境的安裝
1.4 Jupyter Notebook的界面和基本使用
1.5 本章小結
第2章 Python基礎
2.1 掌握**個命令：print
2.2 數學運算
2.3 變量
2.4 數據類型
2.5 函數
2.6 類
2.7 練習
2.8 本章小結
第3章 循環語句、條件語句和二分搜索算法
3.1 邏輯值和判斷條件
3.2 循環語句和列表
3.3 二分搜索算法
3.4 練習
3.5 本章小結
第4章 遞歸算法和快速排序
4.1 再談列表
4.2 選擇排序
4.3 遞歸算法
4.4 快速排序
4.5 練習
4.6 本章小結
第5章 字典和廣度優先搜索
5.1 什么是字典
5.2 字典的排序
5.3 廣度優先搜索
5.4 練習
5.5 本章小結
第6章 集合和貪心算法
6.1 什么是集合
6.2 組合
6.3 貪心算法
6.4 練習
6.5 本章小結
第7章 數組和向量化計算
7.1 一維數組
7.2 二維數組
7.3 數組操作
7.4 向量化計算
7.5 練習
7.6 本章小結
第8章 隨機和模擬
8.1 什么是隨機事件
8.2 模擬擲骰子
8.3 模擬扔硬幣
8.4 練習
8.5 本章小結
第9章 數據可視化
9.1 可視化目標和類型
9.2 matplotlib繪圖基礎
9.3 交互式繪圖模塊
9.4 練習
9.5 本章小結
第10章 文件讀取和數據分析
10.1 什么是數據分析
10.2 文件讀取
10.3 一元統計分析
10.4 二元統計分析
10.5 練習
10.6 本章小結
第11章 *優化方法
11.1 什么是*優化
11.2 梯度下降算法
11.3 遺傳算法
11.4 練習
11.5 本章小結論
第12章 機器學習基礎
12.1 什么是機器學習
12.2 有監督學習
12.3 無監督學習
12.4 強化學習
12.5 本章小結
第13章 感知機分類器
13.1 什么是分類器
13.2 什么是感知機分類器
13.3 感知機分類器是如何訓練權重的
13.4 練習
13.5 本章小結
第14章 邏輯回歸分類器
14.1 什么是邏輯回歸分類器
14.2 什么是損失函數
14.3 邏輯回歸分類器是如何訓練權重的
14.4 分類器的評估方法
14.5 練習
14.6 本章小結
第15章 線性回歸和評估
15.1 什么是線性回歸
15.2 線性回歸的評估方法
目錄 IX
15.3 線性回歸是如何訓練權重的
15.4 練習
15.5 本章小結
第16章 聚類算法和應用
16.1 什么是聚類
16.2 什么是K-means聚類算法
16.3 如何實現K-means聚類算法
16.4 練習
16.5 本章小結
第17章 深度學習和框架
17.1 什么是深度學習
17.2 深度學習框架PyTorch
17.3 PyTorch的安裝
17.4 PyTorch基礎
17.4.1 向量
17.4.2 自動梯度計算
17.5 練習
17.6 本章小結
第18章 基于PyTorch的線性回歸和邏輯回歸
18.1 基于PyTorch的線性回歸
18.2 基于PyTorch的邏輯回歸
18.3 練習
18.4 本章小結
第19章 人工神經網絡
19.1 理解人工神經網絡
19.2 基于PyTorch的神經網絡
19.3 練習
19.4 本章小結
第20章 用卷積神經網絡處理圖片問題
20.1 用DNN判斷手寫數字
20.2 用DNN判斷服飾類型
20.3 用CNN判斷服飾類型
20.4 本章小結
第21章 用循環神經網絡處理文本問題
21.1 獨熱編碼
21.2 文本的基本處理
21.3 用DNN判斷文本類別
21.4 用RNN判斷文本類別
21.5 本章小結
第22章 強化學習基礎
22.1 強化學習的基本概念
22.2 Q學習的思想
22.3 在一維空間中尋寶
22.4 本章小結
第23章 強化學習探索二維世界
23.1 二維格子世界的問題
23.2 環境模塊gym
23.3 基于Q學習的二維格子世界
23.4 本章小結
第24章 人工智能的下一步和學習資源
24.1 人工智能的前沿進展
24.2 人工智能的未來
24.3 生活中的人工智能工具
24.4 學習資源
24.4.1 出版讀物
24.4.2 網絡課
24.4.3 微信公眾號
展開全部
漫畫學人工智能(PYTHON版) 作者簡介
肖凱，支付寶（中國）網絡技術有限公司，大安全事業部機器智能部數據技術專家，負責人工智能算法在風控領域的應用落地。除從事人工智能研究外，還在業余時間進行青少年人工智能科普教育。
書友推薦
- >
經典常談
- >
煙與鏡
- >
龍榆生：詞曲概論/大家小書
- >
推拿
- >
有舍有得是人生
- >
李白與唐代文化
- >
月亮虎
- >
小考拉的故事-套裝共3冊
本類暢銷
