赞
踩
近几年,随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴盛,各行各业掀起了一场新的技术革命。
对于企业而言,人工智能已成为不可或缺的存在。目前人工智能常见的应用领域有教育、金融、电商、制造以及医疗等行业。伴随5G 时代的到来,人工智能的发展一定将再次被提上日程。人工智能的兴盛离不开数学的发展,而人工智能的核心就是数学。对于学生而言,该行业充满了许多种可能性。许多高校开设了数据科学这一门专业,其作为数学与计算机的交叉学科,旨在塑造集数学知识和计算机编程于一体的优秀人才。所以同学们,不要畏惧眼前的困难,只要你够专业,够精通,未来你就是HR眼里的 “香饽饽儿”。本书分为5个章节,内容详实,涵盖了Python3 基础内容、多个模块,并涉及数据分析、经典算法和部分深度学习内容。所有算法、神经网络的知识点都结合案例分析和代码,让自学者轻松无压力。本书作者部分来自高校,常年的教学经验中他们发现学生往往学了却不知道怎么去应用。因此,本书以问题为导向,结合项目实战的教学设计方式,可以帮助教师抓住学生的真正需求,帮助学生达到“想实现什么”再“学什么”而不是“学什么”再“想要实现什么”的目的。名称 | 人工智能算法与实战(Python + PyTorch) |
类别 | 人工智能;数据分析;Python; Pytorch; |
出版发行 | 清华大学出版社 |
目标读者 | 主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员、从事高等教育的专任教师、高等院校的在读学生及相关领域的广大科研人员。 |
01
常见短板
小白学习“难难难”!
为了撰写一门适合新学者的书籍,本书作者阅读了大量的相关书籍,却发现这些书存在着以下通病。
1. 学习门槛高,比如书籍理论性很强,不提供代码或者代码的实现过于简单;
2. 书籍中的代码存在明显的问题, 或代码多以掉包的形式展示,读者阅读困难;
3. 书籍内容衔接不连贯,知识脉络不清晰,对于新学者而言是一个巨大的挑战。
基于此,作者们定位目标群体,分别结合自己的教学经验与项目实战经验,完成了本书的撰写。
02
本书特色
为你安排的“明明白白”
1. 本书是一本以问题为导向的书籍,凡是已经具备了一定数学基础和 Python3 基础的读者,都能够轻松入门本书。
2. 作为一本关于人工智能算法的书籍,本书共有 5 个章节,短小精悍,内容详实,环环相扣。 3. 本书2、3章节对常用模块、描述分析的相关内容进行了扼要阐述和实例操作, 为数据分析初学者提供了一个切入口。 4. 读者可以在短时间内学习本书中介绍的12种算法,深度学习的基础知识点,四种神经网络。所有知识点都结合案例分析。给“安装小白”的福音,所有软件、库、Pytorch等的安装,作者都为你安排得明明白白!
03
经典算法
| 线性回归 | 逻辑回归 | 主成分分析 | 线性判别分析 | 决策树 | 随机森林 | 集成学习 | 朴素贝叶斯 | k最近邻算法 | k-means聚类 | 推荐算法 | SVD | 蒙特卡罗法 | 前馈神经网络 | 卷积神经网络 | 循环神经网络 | 迁移神经网络 |
04
项目案例
(1) 体重指数(BMI)
(2) 蒙特卡洛方法求解π(3) 利用牛顿法近似求解非线性方程(4) 非线性方程组的求解(5) 利用最小二乘预测某市的 GDP(6) 通过线性回归构建臀围与体重的回归函数(7) 利用逻辑回归预测模型预测研究生能否成功入学(8) 利用 PCA进行人脸识别(9) 线性判别对鸢尾花进行分类(10) 决策树在是否打网球上的预测(11) 随机森林在是否打网球上的预测(12) 朴素贝叶斯在性别上的判断(13) k最近邻算法在鸢尾花上的分类(14) 利用 k-means 聚类在 Mall Customers 上的分类(15) 协同过滤推荐算法(16) SVD 压缩图像(17) 利用梯度下降法拟合函数(18) 手写体识别(19) 卷积神经网络对垃圾进行分类(20) 风格迁移神经网络在图像中的使用05
知识概览
帮你血槽拉满
章节1带你迅速回顾Python基础内容,体验飞一般的速度。
章节2为你介绍多种常用的模块,如用于数值计算的 NumPy 模块、数学符号运算的 Sympy 模块、其中本书着重介绍了关于科学计算的 SciPy 模块,用于人工智能中数据处理的Pandas模块,以及用于数据可视化的 Matplotlib 模块等等。阐述简洁明了,通过实例操作加深对这些模块的印象! 章节3介绍了描述分析的相关内容和基本统计量。想要掌握速跳到这章,作者带你get数据分析的技巧。本章节主要介绍了数据的定义和分类,基本统计量、数据转换、常见距离以及多维数据,其中着重介绍了几种常见的基本统计量,比如变异系数、协方差以及相关系数等,数据转换主要介绍关于数据的标准化方法。 章节4主要介绍了关于人工智能的常见算法,共涉及12 种经典算法。算法涉及到监督学习和无监督学习,监督学习中,比如回归分析、判别分析、 决策树、随机森林、以及推荐算法等,无监督学习中,比如主成分分析。给所有人工智能算法小白的福音:本章节的所有算法都有详细的算法原理、代码实现以及案例实现! 章节5带你进阶 PyTorch 和深度学习的有关内容,本章详细介绍了关于 PyTorch 的安装和基础知识,着重介绍了关于深度学习的基础知识点,比如梯度下降法、激活函数、卷积神经网络中的卷积、池化等概念。前馈神经网络、卷积神经网络、生成对抗网络、风格迁移神经网络是神马?别急,所有案例实现带你登堂入室!06
学习收获
英雄必有用武之地!
干货:结合数学知识,掌握数据分析能力,理解算法背后的原理。
代码:掌握算法编程能力,学会自己去写一个算法。 实战:掌握一定的项目实战经验,尝试自己入手一个项目。 逻辑:打通知识的脉络,学会举一反三。 工作:从事数据分析、机器学习、数据挖掘或深度学习。07
作者介绍
于祥雨 数据分析师、教育产品研发,硕士研究生。主要研究方向包括数据分析、深度学习和智能教育。长期从事数据分析、机器学习、数据挖掘和人工智能等方面的工作。近 3 年,参与多项国家自然基金项目。
李旭静 讲师,博士,杭州师范大学。主要从事微分方程数值解,算法研究和大数据分析等。主持国家自然科学基金1项,参与国家自然科学基金若干项。 邵新平 副教授,博士,研究生导师,杭州电子科技大学。主要研究领域:高性能科学计算,有限元算法,数据挖掘以及大数据分析等。已发表 SCI 期刊 10 余篇,主持国家自然科学基金 2 项,参与国家自然基金和浙江省自然科学基金若干项。08
编辑推荐
本书可视为一本以问题为导向的书籍,非常适合具备一定数学基础和 Python3基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。
(1)以问题为导向,对基础理论知识点与算法演练进行详细讲解。
(2)实战案例丰富,涵盖20 个知识点案例、12 个完整项目案例。
(3)代码详尽,避免对 API 的形式展示,规避重复代码。
(4)语言简明易懂,由浅入深带你学会 Python 以及人工智能常见算法。
(5)各个算法相对独立,数学原理相对容易理解。
(6)配套资源丰富:微课视频、源代码、数据集 、教学课件、教学大纲、安装程序
09
内容简介
本书基础理论和算法实现相结合,循序渐进地介绍关于人工智能领域中的常见算法,全面、系统地介绍了使用Python实现人工智能算法,并通过PyTorch框架实现人工智能算法中的深度学习内容。全书共5章,分别介绍Python的安装和基础知识、科学计算库、描述性分析、经典算法和深度学习等知识,书中的每个知识点都有相应的实现代码和实例。
本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员,从事高等教育的专任教师,高等院校的在读学生及相关领域的广大科研人员。扫码京东优惠购书
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。