Python 3破冰人工智能 從入門到實戰 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

內容簡介：

本書創新性地從數學建模競賽入手，深入淺齣地講解瞭人工智能領域的相關知識。本書內容基於Python 3.6，從人工智能領域的數學齣發，到Python在人工智能場景下的關鍵模塊；從網絡爬蟲到數據存儲，再到數據分析；從機器學習到深度學習，涉及自然語言處理、機器學習、深度學習、推薦係統和知識圖譜等。 此外，本書還提供瞭近140個代碼案例和大量圖錶，全麵係統地闡述瞭算法特性，個彆案例算法來自於工作經驗總結，力求幫助讀者學以緻用。

編輯推薦：

數學基礎：從曆年數學建模競賽入手，解讀人工智能中的數學方法。

編程實踐：100餘個代碼實例，全麵講解網絡爬蟲、數據存儲與數據分析等內容。

算法應用：實戰案例輔以豐富圖解，詳盡分析人工智能算法特性及其應用場景。

媒體評價：

這是一本不錯的Python教程，我一直想推薦給學生一本淺顯易懂並且有關數學建模的圖書，本書十分適閤。它以Python為基礎，從數學建模到人工智能，同時介紹瞭常用算法，可以說從建模比賽到工作實踐全麵滲透。建議所有對Python、數學建模、人工智能感興趣的朋友都好好讀一下。

——延邊大學教授（學科帶頭人） 侯成敏

數學是人工智能的靈魂所在，也是很多學習者的薄弱環節。本書從數學建模的角度齣發，深入淺齣地講解瞭人工智能的相關技術，並利用當前的Python 3進行應用實戰，從網絡爬蟲到數據分析，從自然語言處理到迴歸分析，從推薦係統到深度學習，實例與圖解豐富，通俗易懂。通過閱讀本書，讀者可以在數學基礎、編程語言和算法應用三個方麵獲得極大提升。

——《趣學算法》作者 陳小玉

本書應該是你踏入人工智能領域必讀的入門書。這本書中既有來自領域廣泛的實戰案例，也有來自建模競賽的經典數學方法。讀者在開始瞭解人工智能時應知道該做些什麼、怎麼做，本書可給予讀者可靠的實踐經驗與觀點支撐。在學習更深奧的人工智能課程之前，這是一本值得一讀的書！

——“機器人庫”網站主編 劉 飛

人工智能是新一輪産業變革的核心驅動力，正在掀起新一波的科技浪潮，尤其在自動化和數據驅動的眾多領域（如圖像識彆、機器人、搜索引擎、自動駕駛等技術）中都有廣泛的應用。由於具有免費開源、簡單高效、強大的社區和第三方庫支持等特點，Python在人工智能和數據科學領域獨占鰲頭。本書從數學建模開始講起，將Python開發基礎、數據分析、網絡爬蟲、自然語言處理、算法知識、人工智能項目實踐等內容串聯起來，層層遞進，是一本Python人工智能入門書。

——Python中文社區公眾號運營負責人 阿 橙

本書詳細講解瞭Python人工智能的相關知識，內容深入淺齣，案例通俗易懂，圖文並茂，代碼和注解詳細全麵，便於讀者快速上手，非常適閤人工智能初學者、Python愛好者和高校師生學習。作為一綫開發人員，作者長期從事人工智能及數據分析相關工作，實踐經驗豐富。趕快跟著本書開啓您的Python人工智能破冰之旅吧！

——大學教師，CSDN博客專傢，《Python網絡數據抓取及分析從入門到精通》係列書作者 楊秀璋

黃海濤（筆名零壹），算法工程師，網易雲課堂“零壹課堂”主創人，CSDN博客專傢，2018年度博客之星。曾先後參與開發多款人工智能産品，具有豐富項目經驗；精通數學建模，曾多次獲得競賽奬項。

第 1章　從數學建模到人工智能 1
1.1　數學建模　1
1.1.1　數學建模與人工智能　1
1.1.2　數學建模中的常見問題　4
1.2　人工智能下的數學　12
1.2.1　統計量　12
1.2.2　矩陣概念及運算　13
1.2.3　概率論與數理統計　16
1.2.4　高等數學——導數、微分、不定積分、定積分　19
第　2章 Python快速入門　24
2.1　安裝Python　24
2.1.1　Python安裝步驟　24
2.1.2　IDE的選擇　27
2.2　Python基本操作　28
2.2.1　第 一個小程序　28
2.2.2　注釋與格式化輸齣　28
2.2.3　列錶、元組、字典　34
2.2.4　條件語句與循環語句　37
2.2.5　break、continue、pass　40
2.3　Python高級操作　41
2.3.1　lambda　41
2.3.2　map　42
2.3.3　filter　43
第3章　Python科學計算庫NumPy　45
3.1　NumPy簡介與安裝　45
3.1.1　NumPy簡介　45
3.1.2　NumPy安裝　45
3.2　基本操作　46
3.2.1　初識NumPy　46
3.2.2　NumPy數組類型　47
3.2.3　NumPy創建數組　49
3.2.4　索引與切片　56
3.2.5　矩陣閤並與分割　60
3.2.6　矩陣運算與綫性代數　62
3.2.7　NumPy的廣播機製　69
3.2.8　NumPy統計函數　71
3.2.9　NumPy排序、搜索　75
3.2.10　NumPy數據的保存　79
第4章　常用科學計算模塊快速入門　80
4.1　Pandas科學計算庫　80
4.1.1　初識Pandas　80
4.1.2　Pandas基本操作　82
4.2　Matplotlib可視化圖庫　94
4.2.1　初識Matplotlib　94
4.2.2　Matplotlib基本操作　96
4.2.3　Matplotlib繪圖案例　98
4.3　SciPy科學計算庫　100
4.3.1　初識SciPy　100
4.3.2　SciPy基本操作　101
4.3.3　SciPy圖像處理案例　103
第5章　Python網絡爬蟲　106
5.1　爬蟲基礎　106
5.1.1　初識爬蟲　106
5.1.2　網絡爬蟲的算法　107
5.2　爬蟲入門實戰　107
5.2.1　調用API　107
5.2.2　爬蟲實戰　112
5.3　爬蟲進階—高效率爬蟲　113
5.3.1　多進程　113
5.3.2　多綫程　114
5.3.3　協程　115
5.3.4　小結　116
第6章　Python數據存儲　117
6.1　關係型數據庫MySQL　117
6.1.1　初識MySQL　117
6.1.2　Python操作MySQL　118
6.2　NoSQL之MongoDB　120
6.2.1　初識NoSQL　120
6.2.2　Python操作MongoDB　121
6.3　本章小結　123
6.3.1　數據庫基本理論　123
6.3.2　數據庫結閤　124
6.3.3　結束語　125
第7章　Python數據分析　126
7.1　數據獲取　126
7.1.1　從鍵盤獲取數據　126
7.1.2　文件的讀取與寫入　127
7.1.3　Pandas讀寫操作　129
7.2　數據分析案例　130
7.2.1　普查數據統計分析案例　130
7.2.2　小結　139
第8章　自然語言處理　140
8.1　Jieba分詞基礎　140
8.1.1　Jieba中文分詞　140
8.1.2　Jieba分詞的3種模式　141
8.1.3　標注詞性與添加定義詞　142
8.2　關鍵詞提取　144
8.2.1　TF-IDF關鍵詞提取　145
8.2.2　TextRank關鍵詞提取　147
8.3　word2vec介紹　150
8.3.1　word2vec基礎原理簡介　150
8.3.2　word2vec訓練模型　153
8.3.3　基於gensim的word2vec實戰　154
第9章　從迴歸分析到算法基礎　160
9.1　迴歸分析簡介　160
9.1.1　“迴歸”一詞的來源　160
9.1.2　迴歸與相關　161
9.1.3　迴歸模型的劃分與應用　161
9.2　綫性迴歸分析實戰　162
9.2.1　綫性迴歸的建立與求解　162
9.2.2　Python求解迴歸模型案例　164
9.2.3　檢驗、預測與控製　166
第　10章 從K-Means聚類看算法調參　171
10.1　K-Means基本概述　171
10.1.1　K-Means簡介　171
10.1.2　目標函數　171
10.1.3　算法流程　172
10.1.4　算法優缺點分析　174
10.2　K-Means實戰　174
第　11章 從決策樹看算法升級　180
11.1　決策樹基本簡介　180
11.2　經典算法介紹　181
11.2.1　信息熵　181
11.2.2　信息增益　182
11.2.3　信息增益率184
11.2.4　基尼係數　185
11.2.5　小結　185
11.3　決策樹實戰　186
11.3.1　決策樹迴歸　186
11.3.2　決策樹的分類　188
第　12章 從樸素貝葉斯看算法多變　193
12.1　樸素貝葉斯簡介　193
12.1.1　認識樸素貝葉斯　193
12.1.2　樸素貝葉斯分類的工作過程　194
12.1.3　樸素貝葉斯算法的優缺點　195
12.2　3種樸素貝葉斯實戰　195
第　13章 從推薦係統看算法場景　200
13.1　推薦係統簡介　200
13.1.1　推薦係統的發展　200
13.1.2　協同過濾　201
13.2　基於文本的推薦　208
13.2.1　標簽與知識圖譜推薦案例　209
13.2.2　小結　217
第　14章 從TensorFlow開啓深度學習之旅　218
14.1　初識TensorFlow　218
14.1.1　什麼是TensorFlow　218
14.1.2　安裝TensorFlow　219
14.1.3　TensorFlow基本概念與原理　219
14.2　TensorFlow數據結構　221
14.2.1　階　221
14.2.2　形狀　221
14.2.3　數據類型　221
14.3　生成數據十二法　222
14.3.1　生成Tensor　222
14.3.2　生成序列　224
14.3.3　生成隨機數　225
14.4　TensorFlow實戰　225
參考文獻　230
· · · · · · (收起)