《机器学习实战》面向日常任务的高效实战内容，介绍并实现机器学习的主流算法。
电子书
编辑推荐
数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。
编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。
算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。
内容简介
本书共分十四章，主要内容包括：从数学建模到人工智能；Python快速入门；常用科学计算模块快速入门；Python网络爬虫；Python数据分析；自然语言处理；从回归分析到算法基础等。
章节目录
- 扉页
- 内容 提 要
- 序
- 前言
- 编写背景
- 本书特色
- 建议和反馈
- 致谢
- 资源与支持
- 提交勘误
- 扫码关注本书
- 与我们联系
- 关于异步社区和异步图书
- 目录
- 第1章 从数学建模到人工智能
- 1.1 数学建模
- 1.1.1 数学建模与人工智能
- 1.1.2 数学建模中的常见问题
- 1.2 人工智能下的数学
- 1.2.1 统计量
- 1.2.2 矩阵概念及运算
- 1.2.3 概率论与数理统计
- 1.2.4 高等数学——导数、微分、不定积分、定积分
- 第2章 Python快速入门
- 2.1 安装Python
- 2.1.1 Python 安装步骤
- 2.1.2 IDE 的选择
- 2.2 Python基本操作
- 2.2.1 第一个小程序
- 2.2.2 注释与格式化输出
- 2.2.3 列表、元组、字典
- 2.2.4 条件语句与循环语句
- 2.2.5 break、continue、pass
- 2.3 Python高级操作
- 2.3.1 lambda
- 2.3.2 map
- 2.3.3 filter
- 第3章 Python科学计算库NumPy
- 3.1 NumPy简介与安装
- 3.1.1 NumPy 简介
- 3.1.2 NumPy 安装
- 3.2 基本操作
- 3.2.1 初识NumPy
- 3.2.2 NumPy 数组类型
- 3.2.3 NumPy 创建数组
- 3.2.4 索引与切片
- 3.2.5 矩阵合并与分割
- 3.2.6 矩阵运算与线性代数
- 3.2.7 NumPy 的广播机制
- 3.2.8 NumPy 统计函数
- 3.2.9 NumPy 排序、搜索
- 3.2.10 NumPy 数据的保存
- 第4章 常用科学计算模块快速入门
- 4.1 Pandas科学计算库
- 4.1.1 初识Pandas
- 4.1.2 Pandas 基本操作
- 4.2 Matplotlib可视化图库
- 4.2.1 初识Matplotlib
- 4.2.2 Matplotlib 基本操作
- 4.2.3 Matplotlib 绘图案例
- 4.3 SciPy科学计算库
- 4.3.1 初识SciPy
- 4.3.2 SciPy 基本操作
- 4.3.3 SciPy 图像处理案例
- 第5章 Python网络爬虫
- 5.1 爬虫基础
- 5.1.1 初识爬虫
- 5.1.2 网络爬虫的算法
- 5.2 爬虫入门实战
- 5.2.1 调用API
- 5.2.2 爬虫实战
- 5.3 爬虫进阶——高效率爬虫
- 5.3.1 多进程
- 5.3.2 多线程
- 5.3.3 协程
- 5.3.4 小结
- 第6章 Python数据存储
- 6.1 关系型数据库MySQL
- 6.1.1 初识MySQL
- 6.1.2 Python 操作MySQL
- 6.2 NoSQL之MongoDB
- 6.2.1 初识NoSQL
- 6.2.2 Python 操作MongoDB
- 6.3 本章小结
- 6.3.1 数据库基本理论
- 6.3.2 数据库结合
- 6.3.3 结束语
- 第7章 Python数据分析
- 7.1 数据获取
- 7.1.1 从键盘获取数据
- 7.1.2 文件的读取与写入
- 7.1.3 Pandas 读写操作
- 7.2 数据分析案例
- 7.2.1 普查数据统计分析案例
- 7.2.2 小结
- 第8章 自然语言处理
- 8.1 Jieba分词基础
- 8.1.1 Jieba 中文分词
- 8.1.2 Jieba 分词的 3 种模式
- 8.1.3 标注词性与添加定义词
- 8.2 关键词提取
- 8.2.1 TF-IDF 关键词提取
- 8.2.2 TextRank 关键词提取
- 8.3 word2vec介绍
- 8.3.1 word2vec 基础原理简介
- 8.3.2 word2vec 训练模型
- 8.3.3 基于gensim的word2vec 实战
- 第9章 从回归分析到算法基础
- 9.1 回归分析简介
- 9.1.1 “回归”一词的来源
- 9.1.2 回归与相关
- 9.1.3 回归模型的划分与应用
- 9.2 线性回归分析实战
- 9.2.1 线性回归的建立与求解
- 9.2.2 Python 求解回归模型案例
- 9.2.3 检验、预测与控制
- 第10章 从K-Means聚类看算法调参
- 10.1 K-Means基本概述
- 10.1.1 K-Means 简介
- 10.1.2 目标函数
- 10.1.3 算法流程
- 10.1.4 算法优缺点分析
- 10.2 K-Means实战
- 第11章 从决策树看算法升级
- 11.1 决策树基本简介
- 11.2 经典算法介绍
- 11.2.1 信息熵
- 11.2.2 信息增益
- 11.2.3 信息增益率
- 11.2.4 基尼系数
- 11.2.5 小结
- 11.3 决策树实战
- 10.3.1 决策树回归
- 10.3.2 决策树的分类
- 第12章 从朴素贝叶斯看算法多变
- 12.1 朴素贝叶斯简介
- 12.1.1 认识朴素贝叶斯
- 12.1.2 朴素贝叶斯分类的工作过程
- 12.1.3 朴素贝叶斯算法的优缺点
- 12.2 3种朴素贝叶斯实战
- 第13章 从推荐系统看算法场景
- 13.1 推荐系统简介
- 13.1.1 推荐系统的发展
- 13.1.2 协同过滤
- 13.2 基于文本的推荐
- 13.2.1 标签与知识图谱推荐案例
- 13.2.2 小结
- 第14章 从TensorFlow开启深度学习之旅
- 14.1 初识TensorFlow
- 14.1.1 什么是TensorFlow
- 14.1.2 安装TensorFlow
- 14.1.3 TensorFlow基本概念与原理
- 14.2 TensorFlow数据结构
- 14.2.1 阶
- 14.2.2 形状
- 14.2.3 数据类型
- 14.3 生成数据十二法
- 14.3.1 生成Tensor
- 14.3.2 生成序列
- 14.3.3 生成随机数
- 14.4 TensorFlow实战
- 参考文献
展开全部
Python 3破冰人工智能：从入门到实战是2019年由人民邮电出版社出版,作者黄海涛。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《Python 3破冰人工智能：从入门到实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
《机器学习实战》面向日常任务的高效实战内容，介绍并实现机器学习的主流算法。
电子书
用流行的Python库scikitlearn解决机器学习问题。
电子书
（1）大量图例，简单易懂。作者亲自绘制了大量插图，力求还原深度学习的算法思想，分解和剖析晦涩的算法，用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣，快乐地学习算法知识...
电子书
基于Python3.X讲解，从入门到实战，全面讲解Python爬虫技术。全书重点难点附带微课讲解，书网融合互动学习。
电子书
本书通过152张图表详解17种常用算法，初学者也能轻松读懂。
电子书
用Python语言求解经典的计算机科学问题。