-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Python機器學習入門

( 簡體 字)
作者:程晨類別:1. -> 程式設計 -> Python
   2. -> 程式設計 -> 機器學習
譯者:
出版社:人民郵電出版社Python機器學習入門 3dWoo書號: 54099
詢問書籍請說出此書號!

有庫存
NT售價: 395

出版日:3/1/2021
頁數:160
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:9787115555076
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

Python是一種解釋型、面向對象、動態數據類型的高級程序設計語言。它具有豐富和強大的模塊(庫),能夠很輕松地把用其他編程語言(尤其是C/C++)編寫的各種模塊聯結在一起。這兩年隨著人們對人工智能的關注越來越多,大家對Python的學習熱情也越來越高。在IEEE發布的編程語言排行榜中,Python已經多年排名第一。
這本Python編程與機器學習的入門書,首先介紹了一些Python編程的基礎知識,然后基于圖像識別的機器學習技術介紹了關于人工智能的一些知識和概念。讀者可以跟隨本書講解動手編程實現圖像特征檢測、人臉識別、手寫數字識別等應用,從而建立起對人工智能、機器學習、人工神經網絡的初步認識。
本書適合對人工智能感興趣但缺乏編程基礎的初學者閱讀。它能夠幫助讀者更加輕松地進入Python編程以及人工智能的世界。
目錄:

上篇 Python 編程入門
第 1章 了解Python 2
1.1 Python的歷史 2
1.1.1 Python的出現 2
1.1.2 Python的發展 2
1.2 Python的優缺點 3
1.2.1 Python的優點 3
1.2.2 Python的缺點 3
1.3 Python適用的領域 4
1.4 Python的安裝與使用 4
1.4.1 Python的下載 4
1.4.2 Python的安裝 6
1.4.3 Python的使用 7
1.4.4 編輯器 8
第 2章Python 基礎 12
2.1 數字 12
2.1.1 數字計算 12
2.1.2 Python的算術運算符 13
2.2 關鍵字 14
2.3 變量 14
2.3.1 定義并賦值變量 15
2.3.2 變量命名的約定 15
2.4 程序基本結構 16
2.4.1 if選擇 16
2.4.2 比較 18
2.4.3 邏輯運算 19
2.4.4 while循環 20
2.4.5 while中的break 22
2.4.6 while中的continue 22
2.4.7 while中的else 23
第3章 字符串、列表和字典 25
3.1 字符串 25
3.1.1 字符串的定義 25
3.1.2 “數字”和“數字字符”的區別 26
3.1.3 字符串的操作 26
3.1.4 轉義字符 27
3.2 列表 28
3.2.1 列表的定義 28
3.2.2 列表的方法 29
3.2.3 利用循環枚舉列表中的內容 30
3.2.4 使用for循環順序訪問元素 31
3.3 字典 32
3.4 元組 33
3.4.1 元組的定義 33
3.4.2 多重賦值 33
3.5 擲骰子 34
3.5.1 隨機數 34
3.5.2 重復擲骰子 34
3.5.3 擲兩個骰子 35
3.5.4 大小判斷 36
3.6 異常 37
第4 章 定義和使用函數 41
4.1 什么是函數 41
4.1.1 編程中的函數 41
4.1.2 自定義函數 41
4.1.3 函數中的處理 43
4.2 傳遞數據 43
4.2.1 將數據傳遞給函數 43
4.2.2 默認參數 44
4.2.3 關鍵字參數 44
4.2.4 函數的返回值 45
4.2.5 多個返回值 46
4.3 變量的作用域 47
4.3.1 局部變量 47
4.3.2 全局變量 48
4.4 內置函數 50
4.4.1 Python中的內置函數 50
4.4.2 input()函數 53
4.4.3 range()函數 54
4.4.4 format()函數 56
4.4.5 format()方法 57__
4.5 猜詞游戲 59
4.5.1 游戲規則 59
4.5.2 創建單詞庫 60
4.5.3 游戲結構 60
4.5.4 完善函數 62
4.6 函數與方法匯總 67
4.6.1 數學 67
4.6.2 字符串 67
4.6.3 列表 69
4.6.4 字典 70
4.6.5 類型轉換 70
第5章 模塊與類 73
5.1 模塊 73
5.1.1 Python中的模塊 73
5.1.2 使用random模塊 73
5.1.3 自定義模塊 74
5.2 面向對象 75
5.2.1 定義類 76
5.2.2 類的繼承 77
5.2.3 自定義包含類的模塊 79
5.2.4 Python標準模塊 79
5.3 文件 83
5.3.1 讀取文件 83
5.3.2 讀取大文件 85
5.3.3 寫文件 86
5.3.4 文件操作 87
5.3.5 jieba第三方中文分詞模塊 87
5.3.6 生成器與迭代器 92
5.3.7 詞云 94
5.4 侵蝕化 97
5.5 網絡 98
5.5.1 urllib.request模塊 98
5.5.2 將HTML 保存到文件 99
下篇 機器學習入門
第6章 圖像處理與特征檢測 102
6.1 顯示圖像 102
6.1.1 安裝第三方模塊 102
6.1.2 計算機“眼”中的圖像 103__
6.1.3 Numpy模塊 104
6.1.4 在窗口中顯示圖像 106
6.2 圖像處理 107
6.2.1 修改圖像 107
6.2.2 色彩空間 112
6.2.3 識別顏色 114
6.3 圖像特征檢測 117
6.3.1 卷積運算 117
6.3.2 垂直邊緣與水平邊緣 119
6.3.3 濾波器 122
6.3.4 邊緣檢測 124
6.3.5 直線檢測 126
6.3.6 圓形檢測 128
第7章 人臉檢測 131
7.1 人工智能和機器學習 131
7.1.1 什么是人工智能 131
7.1.2 什么是機器學習 131
7.2 人工神經網絡 132
7.2.1 什么是人工神經網絡 132
7.2.2 人工神經網絡的結構 133
7.3 監督學習與無監督學習 134
7.3.1 監督學習 134
7.3.2 無監督學習 134
7.3.3 創建并應用人工神經網絡 135
7.4 人臉檢測 137
7.4.1 Haar分類器 137
7.4.2 Haar分類器訓練的步驟 139
7.4.3 獲取Haar分類器 139
7.4.4 使用OpenCV進行人臉檢測 140
第8章 手寫數字識別 144
8.1 scikit-learn 144
8.2 手寫文字的圖像識別 148
8.2.1 檢查數據內容 148
8.2.2 創建訓練和評估數據 150
8.2.3 機器學習的訓練 151
8.2.4 機器學習的評估 151
8.2.5 分類器的保存與讀取 157
8.3 使用OpenCV檢測手寫數字 157
8.3.1 圖像處理 157
8.3.2 數字識別 159
序: