|
-- 會員 / 註冊 --
|
|
|
|
Python項目實戰從入門到精通 ( 簡體 字) |
作者:方健,孫悅,邵芳 著 | 類別:1. -> 程式設計 -> Python |
譯者: |
出版社:機械工業出版社 | 3dWoo書號: 53603 詢問書籍請說出此書號!【缺書】 NT售價: 495 元 |
出版日:10/1/2020 |
頁數:289 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787111663072 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介: 本書全面講述了Python的基礎知識和相關開發技術。全書分為三部分。共10章。第一部分為基礎篇(第1∼5章),介紹Python的起源和發展、開發工具、語法基礎、控制結構、復合數據結構、函數、科學計算庫NumPy以及繪圖工具Matplotlib等內容;第二部分為提高篇(第6∼7章),深入講解了機器學習典型算法、神經網絡典型算法以及它們的Python開發實現過程;第三部分為高級篇(第8∼10章),主要介紹了圖像識別和人臉識別的原理方法以及它們的Python開發實現過程。 本書以人工智能中的機器學習和深度學習為載體,突出Python開發技術的實際應用。在編寫體例上,以問題為導向,注重知行合一,按照由簡到難、由淺入深、螺旋上升的方式設置學習內容,引導讀者循序漸進地掌握基本原理方法,并熟練運用Python。 本書可作為人工智能、機器學習、人臉識別等應用領域工程技術人員的參考手冊,也可作為大中專院校人工智能、大數據科學與技術、自動化、機器人工程、智能儀器儀表、機電一體化等專業及社會培訓班有關Python課程的培訓教材。 |
目錄:第1章 初識Python 1.1 源碼的來源 1.2 探索Python的起源 1.2.1 繪製Python發展歷程圖 1.2.2 訓練1:Python語言來歷 1.2.3 訓練2:探索:Python優勢 1.2.4 訓練3:區分:Python 2與Python 3 1.3 感知Python的特點 1.3.1 Python思維導圖 1.3.2 訓練1:比較“自然語言”與“程式設計語言” 1.3.3 訓練2:探討編譯型和解釋型語言 1.3.4 訓練3:剖析Python的缺點 1.4 搭建Python的運行環境之海龜編輯器 1.4.1 關於海龜編譯器知識 1.4.2 訓練1:初探海龜編輯器 1.4.3 訓練2:嘗試第一個海龜小程式 1.4.4 訓練3:查找編譯問題 1.5 搭建Python的運行環境之PyCharm 1.5.1 下載PyCharm 1.5.2 訓練1入PyCharm的新 1.5.3 訓練2:倉4建PyCharm小項目 1.5.4 訓練3:查找PyCharm程式問題 1.5.5 訓練4:在Mac系統安裝PyCharm 第2章 變數與資料 2.1 變數魔法 2.1.1 變數相關知識 2.1.2 訓練1:加法大作戰 2.1.3 訓練2:修改程式錯誤 2.1.4 訓練3:數據的神奇調換 2.2 數和字串 2.2.1 資料類型 2.2.2 訓練1:初識數字 2.2.3 訓練2:初識字串 2.2.4 訓練3:happy birthday 2.3 圖書館的神秘之書 2.3.1 預留位置和轉義字元 2.3.2 訓練1:計算BMI 2.3.3 訓練2:初識預留位置 2.3.4 訓練3:阿短步之旅 第3章 認識序列 3.1 list召喚程式設計貓家族 3.1.1 列表 3.1.2 訓練1:簡單作列表 3.1.3 訓練2:元素的增刪 3.1.4 訓練3:組織清單 3.2 源碼的元組與字典 3.2.1 元組與字典 3.2.2 訓練1:作元組 3.2.3 訓練2:建立字典 3.2.4 訓練3:使用字典 3.2.5 訓練4:遍歷字典 3.2.6 訓練5:嵌套 第4章 條件與迴圈 4.1 條件判斷 4.1.1 條件陳述式 4.1.2 訓練1:尋找編號為偶數的聚餐人員 4.1.3 訓練2:判斷生涯階段 4.1.4 訓練3:挑選食物愛好 4.2 迴圈語句 4.2.1 Python的迴圈語句 4.2.2 訓練1:列寫程式設計貓家族的成員名單 4.2.3 訓練2:判斷值 4.2.4 訓練3:協助阿短尋找偶數 4.3 運算子 4.3.1 運算子的應用 4.3.2 訓練1:核算購物的花費 4.3.3 訓練2:比較食物的價格 4.3.4 訓練3:篩選參宴的客人 第5章 函數與模組 5.1 Python函數 5.1.1 函數的基本知識 5.1.2 訓練1:在晚宴上唱一首歌曲 5.1.3 訓練2一步完善程式 5.1.4 訓練3:向阿短的朋友們介紹程式設計貓 5.1.5 訓練4:另一種介紹程式設計貓的方法 5.2 Python模組 5.2.1 返回值與函數的基本應用 5.2.2 訓練1:程式設計貓的姓與名 5.2.3 訓練2:分配糖果 5.2.4 訓練3:晚宴上的菜品 5.2.5 訓練4:製作蛋糕 5.3 NumPy庫函數 5.3.1 NumPy庫 5.3.2 訓練1:計算數學函數 5.3.3 訓練2:計算算術函數 5.3.4 訓練3:調用統計函數 5.3.5 訓練4:對數行切片處理 5.3.6 訓練5:使用NumP行排序 5.3.7 訓練6:用NumPy計算矩陣 5.3.8 訓練7:用NumPy計算線性代數 5.4 Matplotlib庫函數 5.4.1 Matplotlib函式程式庫 5.4.2 訓練1:繪製正弦波 5.4.3 訓練2:同時繪製正弦和余弦值 5.4.4 訓練3:繪製橫條圖 5.4.5 訓練4:繪製點狀圖 5.4.6 訓練5:直接將數位轉換為圖形 5.4.7 訓練6:調用figure畫圖 5.4.8 訓練7:設置圖像的坐標軸 5.4.9 訓練8:繪製餅狀 提高篇 第6章 機器學r/> 6.1 機器學 6.1.1 機器學概念 6.1.2 訓練1:安裝Python機器學庫 6.1.3 訓練2:繪製方程y=2x+5 6.2 KNN演算法研用 6.2.1 KNN演算法要點 6.2.2 訓練1:電影分類 6.2.3 訓練2:鳶尾花資料分類 6.2.4 訓練3:手寫數位識別 6.3 決策樹與隨機森林分析應用 6.3.1 關於決策樹和隨機森林的相關概念 6.3.2 訓練1:決策樹視覺化 6.3.3 訓練2:鳶尾花分類實驗 6.3.4 訓練3:決策樹與隨機森林比較實驗 6.4 線性回歸 6.4.1 代價函數和梯度下降法 6.4.2 訓練1:梯度下降法:一元線性回歸 6.4.3 訓練2:梯度下降法:多元線性回歸 6.4.4 訓練3:sklearn:多項式回歸 第7章 神經網路 7.1 神經網路基礎 7.1.1 神經元與感知器 7.1.2 訓練1:Python實現單層感知器 7.1.3 訓練2:感知器題目實戰 7.1.4 訓練3:單層感知器解決異或問題 7.2 多層感知器 7.2.1 BP神繹網路 7.2.2 訓練1:利用Python實現簡單的三層BP神經網路 7.2.3 訓練2:利用BP神經網路實現異或問題 7.2.4 訓練3:利用TensorFlow實現BP神經網路 7.3 卷積神經網路 7.3.1 TensorFlow卷積神經網台搭建 7.3.2 訓練1:MNIsT手寫數位識別 7.3.3 訓練2:基於CNN的MNIST手寫數位識別 高級篇 第8章 影像處理 8.1 影像處理基礎 8.1.1 圖像的基本知識 8.1.2 訓練1:?明程式設計貓處理圖元 8.1.3 訓練2:教阿短獲取圖像屬性 8.1.4 訓練3:感興趣區域ROI的提取 8.1.5 訓練4:通道的拆分與合併 8.2 圖像的運算 8.2.1 圖像的運算和幾何變換 8.2.2 訓練1:?明阿短實現圖像融合 8.2.3 訓練2:教會阿短圖像縮放 8.2.4 訓練3:一起學翻轉 8.2.5 訓練4:閾值分割的最終實現 第9章 人臉初識 9.1 基於級聯分類器的人臉探測 9.1.1 級聯分類器 9.1.2 訓練1:靜態圖片的人臉檢測 9.1.3 訓練2:靜態圖片的表情識別 9.2 基於LBPH的人臉識別 9.2.1 LBPH演算法 9.2.2 訓練:LBPH人臉識別 9.3 視頻處理 9.3.1 視頻處理函數 9.3.2 訓練1:視頻流人臉檢測 9.3.3 訓練2:視頻流人臉識別 第10章 人臉識別 10.1 基於HOG人臉探測演算法 10.1.1 HOG(方向梯度長條圖) 10.1.2 訓練1:獲取人臉的HOG 10.1.3 訓練2:實現人臉的探測和標識 10.2 基於KNN的人臉識別演算法 10.2.1 KNN演算法 10.2.2 訓練1:利用mgleam和Matplotlit作圖 10.2.3 訓練2:KNN演算法判斷性別 10.2.4 訓練3:KNN演算法求距離 10.3 人臉識別系統的實現 10.3.1 人臉識別系統的構建 10.3.2 訓練:通過人臉識別系統識別人臉 |
序: |
|