Python機器學習（微課視頻版）——手把手教你掌握150個精彩案例 ( 簡體 字) |
| 作者：柯博文 | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 53303
詢問書籍請說出此書號！【有庫存】
NT售價： 345 元 |
| 出版日：8/1/2020 |
| 頁數：276 |
| 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：9787302553953 |
| 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：當全世界都在贊嘆人工智機器時代即將到來的同時，對人工智能專業的人才需求急劇增加，大量的高薪職位卻找不到人。我們處在這樣一個擁有大好機會的人工智能、機器學習時代，為何不給自己一個進入人工智能行列的機會呢？本書為沒有任何程序設計經驗的開發者提供一個全新的入口，從基本的Python基礎語言到人工智能，針對Python程序中大量的函數庫和重要技術進行詳細講解，結合大量的實際案例與經驗，讓讀者能夠快速成為真正能在人工智能時代馳騁的高手。
本書注重Python機器學習的實戰開發，書中包含Python、OOP、爬蟲、統計、UI、OpenData、網絡、JSON、XML、Excel、CSV、大數據分析、機器人機器學習、對話等相關API的使用方法，提供了150多個案例，每個案例都可以單獨運行，讀者可直接運用進行二次開發。
書中提供了大量的Python程序，用淺顯易懂的語言來講述，并盡量在程序中進行注釋和講解，使讀者了解每個程序的動作，也能擁有最多的案例。同時書中在介紹與統計分析相關的機器學習數據分析的程序時，大量使用真實數據進行分析和預測，將程序應用在生活中。
本書基于筆者多年在各大城市教授的Python、機器學習、人工智能等課程內容，這些內容也是筆者曾在各大企業給工程師們講授過的，經歷過業界頂尖工程師學員的檢驗，實戰多年后才編著成書，也謝謝學員們的鼓勵，才能讓本書問世。同時，劉星也參與了本書的編寫工作。為了讓讀者閱讀和學習時更方便、易懂，語言文字、案例代碼和視頻都經過反復編寫和錄制，希望有心向人工智能邁進的您，能夠有更棒的學習效果。
最重要的是要感謝購買本書的讀者，讓筆者有更實質的動力繼續寫作。在本書的編寫過程中，要特別感謝清華大學出版社的編輯，通過多次的郵件和會議溝通，逐字校對，盡心盡力，用最專業的角度推薦寫作的方式，就是為了把最好的內容呈現給讀者。
筆者才疏學淺且在美國硅谷居住大半輩子，使用中文編寫，書中的遣詞造句難免不妥，還請各位見諒。本書不僅僅只是書籍，期許能成為工作與學習上的參考寶典。如果在閱讀的時候有任何問題，歡迎到筆者網站一同討論與交流，讓學習也可以交互，并且結交更多朋友。
本書配套資源如下：
娒 程序代碼，請掃描下方二維碼下載。
娒 微課視頻(420分鐘)，請掃描書中各章節對應二維碼觀看。
程序代碼下載
柯博文
于美國硅谷San Jose
2020年2月 |
內容簡介：《Python機器學習（微課視頻版）——手把手教你掌握150個精彩案例》由淺入深、圖文并茂地介紹了Python機器學習方面的相關內容，并通過150多個實際案例，手把手地教會讀者掌握用Python語言進行機器學習相關項目開發的方法與技巧。
書中包含Python語言基礎內容、機器學習、人工智能、TensorFlow、Keras、OpenCV等相關API的使用方法，給出的每個案例都可以單獨運行，可進行二次開發。
為了提高學習效果，本書為所有案例提供了完整的微課視頻和程序代碼文件，獲取方式見前言。
《Python機器學習（微課視頻版）——手把手教你掌握150個精彩案例》適合學習機器學習算法的初學者，對機器學習、人工智能感興趣的學生和從業者，以及進行機器學習相關項目開發的工程師閱讀參考。 |
目錄：程序代碼下載
第1章Python程序語言
視頻講解：1個
1.1Python程序語言的介紹
1.2Python歷史
1.3Python版本
第2章安裝和運行Python開發環境
視頻講解：6個
2.1Windows操作系統中安裝Python
2.2Windows操作系統中測試與運行Python
2.3Mac操作系統中安裝Python
2.4Mac操作系統中測試與運行Python
2.5Linux和樹莓派中安裝Python
2.6Linux和樹莓派中測試與運行Python
第3章開發程序和工具
視頻講解：7個
實例：2個
3.1我的第一個Python程序(Windows版)
3.2我的第一個Python程序(Mac、Linux和樹莓派版)
3.3開發和調試工具——PyCharm下載和安裝
3.4PyCharm工具介紹
3.5創建項目
3.6調試
3.7安裝其他的Packages函數庫
3.8安裝Anaconda
3.9使用Anaconda
3.10pip安裝包
3.11本書需要安裝的第三方函數庫列表
第4章Python程序基礎
視頻講解：13個
實例：25個
4.1Python注釋
4.2Python數據模式
4.3Python數學計算
4.4Python打印
4.5if…else條件判斷語句
4.6Array數組——List
4.7range范圍
4.8for循環
4.9UTF拟8中文文字編碼和文字輸入
4.10while循環語法
第5章函數和面向對象OOP
視頻講解：12個
實例：17個
5.1開發函數(def)
5.2import導入和開發
5.3類(class)
5.4類的初始化預定義值
5.5類中的函數方法(Method)
5.6類中的屬性(Property)
5.7類中調用其他的函數方法
5.8設置公開、私有的類函數方法
5.9把類獨立成另一個文件
5.10繼承——OOP面向對象
5.11多重繼承
5.12調用父類函數
5.13調用父類的屬性
第6章窗口處理GUITkinter
視頻講解：12個
實例：12個
6.1窗口GUI函數庫
6.2窗口
6.3文字Label
6.4顯示圖片Image
6.5按鍵Button
6.6消息窗口tkMessageBox
6.7輸入框Entry
6.8繪圖Canvas
第7章數據容器Containers
視頻講解：7個
實例：7個
7.1List數組
7.2List數組數據的多樣性
7.3List的數學處理
7.4Slicing切片
7.5Dictionarie字典
7.6Set序列集集合比較
7.7Tuple序列
第8章圖表函數庫Matplotlib
視頻講解：8個
實例：7個
8.1Matplotlib介紹
8.2畫線
8.3畫點
8.4畫面切割
8.5顯示圖片
8.6在窗口程序中顯示圖表
第9章文件處理和開放數據
視頻講解：5個
實例：5個
9.1開放數據介紹
9.2保存
9.3文件復制、刪除和列出所有文件
9.4文件夾
9.5讀入Excel文件
9.6讀入、處理和存儲CSV文件——氣象風暴數據
第10章網絡
視頻講解：5個
實例：8個
10.1超文本傳輸協議HTTPGET
10.2超文本傳輸協議HTTPPOST
10.3可擴展標記式語言XML
10.4JSON
第11章數據庫
視頻講解：7個
實例：4個
11.1下載和裝載MySQL數據庫
11.2創建數據庫用戶——AddUser
11.3創建數據庫——Adddatabase
11.4打開數據庫——MySQL拟python和pymysql
11.5創建數據庫數據——insert
11.6取得數據——select
11.7刪除和修改數據庫數據——DELETE和UPDATA
第12章自然語言處理——中文簡體和繁體轉換
視頻講解：8個
實例：8個
12.1中文分詞斷詞工具
12.2分析文件的文字
12.3自定分詞
12.4取出斷詞位置
12.5移除用詞和自定比重分數
12.6排列出最常出現的分詞
12.7網絡文章的重點
第13章人工智能標記語言AIML
視頻講解：5個
實例：6個
13.1人工智能標記語言AIML介紹
13.2中文機器人
13.3AIML語法教程——隨機對話
13.4AIML語法教程——變量
第14章網絡服務器
視頻講解：4個
實例：4個
14.1Python網頁服務器
14.2開發自己的網頁服務器
14.3顯示HTTP內容
14.4取得HTTPGET所傳遞的數據
14.5取得HTTPPOST所傳遞的數據
第15章網絡爬蟲與BeautifulSoup4
視頻講解：4個
實例：4個
15.1網絡爬蟲——取得網絡文章內容
15.2BeautifulSoup的函數和屬性
15.3實戰案例——獲取柯博文老師的博客文章
15.4實戰練習
第16章pandas數據分析和量化投資
視頻講解：10個
實例：10個
16.1安裝
16.2使用pandas讀入和存儲Excel的文件
16.3使用pandas讀入和存儲CSV的文本內容
16.4讀入網絡上的表格
16.5DataFrame
16.6計算
16.7實戰分析Apple公司股價
16.8統計相關計算
16.9邏輯判斷——找出股價高點
16.10計算股價浮動和每月的變化
16.11畫出股票的走勢圖和箱形圖
第17章NumPy矩陣運算數學函數庫
視頻講解：10個
實例：10個
17.1矩陣數據初始化
17.2NumPy默認數組
17.3多維數組的索引
17.4多維數組的切片
17.5花式索引
17.6數據模式
17.7利用數組進行數據計算處理
17.8統計
17.9邏輯判斷
17.10不同尺寸的矩陣相加
第18章使用pyinstaller生成運行文件
視頻講解：3個
18.1pyinstaller功能介紹和安裝
18.2pyinstaller安裝步驟
18.2.1Windows操作系統下生成運行文件
18.2.2Mac和Linux操作系統下生成運行文件
第19章機器學習算法——Regression回歸分析
視頻講解：9個
實例：9個
19.1數據準備
19.2機器學習的數據準備
19.3回歸分析數學介紹
19.4回歸分析繪圖
19.5隨機數數據
19.6殘差
19.7使用scikit拟learn的linear_model函數求線性回歸
19.8實戰案例——動物大腦和身體的關系
19.9實戰案例——糖尿病數據集
19.9.1繪制出數據
19.9.2將數據存到Excel文件
19.9.3使用回歸分析找出BMI與糖尿病的關系
第20章機器學習算法——kNN最近鄰居法
視頻講解：4個
實例：4個
20.1kNN數學介紹
20.2使用sklearn的kNN判斷水果種類
20.3實戰案例——鳶尾花的種類判斷
20.3.1鳶尾花數據下載和保存到Excel文件
20.3.2使用kNN判別鳶尾花的種類
第21章機器學習算法——k拟means平均算法
視頻講解：4個
實例：4個
21.1k拟means數學介紹
21.2sklearn的k拟means類
21.3k拟means實戰案例
21.4k拟means實戰案例圖形化呈現結果
第22章機器學習算法——決策樹算法
視頻講解：3個
實例：3個
22.1決策樹數學介紹——Gini系數
22.2sklearn的DecisionTreeClassifier決策樹
22.3決策樹圖形化呈現結果
第23章機器學習算法——隨機森林算法
視頻講解：2個
實例：2個
23.1隨機森林算法數學原理
23.2隨機森林函數
23.3隨機森林圖形化
第24章機器學習算法——貝葉斯分類器
視頻講解：4個
實例：4個
24.1貝葉斯分類器數學原理
24.2貝葉斯分類器實戰案例
24.3貝葉斯分類器圖形化
24.4numpy.meshgrid方法
24.5貝葉斯分類器圈選出分類的范圍 |
| 序： |
