- Python与人工智能编程--基础与实验(微课视频版大数据与人工智能面向数字化时代高等学校计算机系列教材)
- - 作者：编者:张敏|责编:葛鹏程//薛阳
  - 出版社：清华大学
  - ISBN：9787302682776
  - 出版日期：2025/02/01
  - 页数：239
- 售价：19.92

内容大纲
    本书主要面向Python编程零基础初学者，将基础知识归纳为5部分：Python编程基础、重要的第三方库、机器学习基础与Scikit-learn框架、深度学习基础与PyTorch框架、基于大语言模型的自然语言处理编程。
    本书具有实例丰富、操作性强、简单易学等特点。为了有效提升初学者的人工智能编程能力，强调“做中学”，将5部分基础知识设计成26个上机实验，同时为每个实验部分安排实验作业，便于读者对人工智能基础知识的理解和掌握。
    本书可作为高等院校计算机类相关专业的“人工智能”等课程的教材，也可作为感兴趣读者的自学读物，还可作为相关行业技术人员的参考用书。
作者介绍
目录
资源下载
第1部分  Python编程基础
  实验1  集成开发环境的安装及Jupyter Notebook的使用
    1.1  下载Anaconda安装包
    1.2  Anaconda的安装步骤
    1.3  Jupyter Notebook的使用教程
    实验作业
  实验2  基础语法
    2.1  Python的语法基础
      2.1.1  注释
      2.1.2  代码缩进
      2.1.3  代码编码规范
    2.2  保留字与标识符
      2.2.1  保留字
      2.2.2  标识符
    2.3  变量
    2.4  基本数据类型
      2.4.1  数字类型
      2.4.2  布尔类型
      2.4.3  字符串类型
      2.4.4  Python字符串的格式化输出
      2.4.5  数据类型转换
    2.5  运算符
      2.5.1  算术运算符
      2.5.2  赋值运算符
      2.5.3  比较(关系)运算符
      2.5.4  逻辑运算符
      2.5.5  运算符的优先级
    2.6  Python的6种基本数据结构
      2.6.1  列表创建
      2.6.2  列表索引、切片和遍历
      2.6.3  列表的函数与方法
    2.7  基本的输入和输出函数
      2.7.1  使用input()函数输入
      2.7.2  使用print()函数输出
    2.8  Python模块和包
    2.9  Python文件操作
    实验作业
  实验3  Python控制语句与程序调试
    3.1  控制语句
    3.2  程序调试
    实验作业
  实验4  函数与异常处理
    4.1  函数的创建和调用
      4.1.1  创建函数
      4.1.2  调用函数
    4.2  参数传递
      4.2.1  形式参数和实际参数
      4.2.2  位置参数
      4.2.3  关键字参数

      4.2.4  默认参数
      4.2.5  不定长参数
    4.3  返回值
    4.4  变量的作用域
      4.4.1  局部变量
      4.4.2  全局变量
    4.5  匿名函数(lambda)
    4.6  异常处理
      4.6.1  常见异常
      4.6.2  异常处理语法
    实验作业
  实验5  面向对象编程
    5.1  面向对象编程概述
      5.1.1  对象
      5.1.2  类
      5.1.3  封装、继承和多态
    5.2  类的定义和使用
      5.2.1  定义类
      5.2.2  创建类实例
      5.2.3  属性
      5.2.4  方法
      5.2.5  封装
      5.2.6  继承
      5.2.7  多态
    实验作业
第2部分  重要的第三方库
  实验6  NumPy基础知识
    6.1  NumPy简介和数据类型
    6.2  创建ndarray数组对象
      6.2.1  使用array()函数创建NumPy数组
      6.2.2  使用linspace生成等间距的一维数组
      6.2.3  使用zeros()、ones()、full()、empty()函数创建NumPy数组
      6.2.4  使用arange()函数创建NumPy数组
      6.2.5  使用random.rand()函数生成随机数数组
      6.2.6  使用asarray()函数创建NumPy数组
      6.2.7  使用numpy.reshape()函数改变数组形状
    实验作业
  实验7  NumPy常用操作
    7.1  数组元素操作
      7.1.1  切片索引
      7.1.2  高级索引
    7.2  广播机制
    7.3  NumPy元素的基本操作
      7.3.1  四则运算
      7.3.2  幂运算和开方
      7.3.3  逻辑运算
      7.3.4  三角函数
      7.3.5  条件表达式
    实验作业
  实验8  Pandas基础知识

    8.1  Pandas简介
    8.2  Pandas数据结构
      8.2.1  一维数组Series
      8.2.2  二维数组DataFrame
    实验作业
  实验9  Pandas常用操作
    9.1  Pandas数据导入
      9.1.1  导入Excel数据
      9.1.2  导入CSV文件
      9.1.3  导入HTML网页
    9.2  Pandas常用数据处理方法
      9.2.1  数据选择
      9.2.2  数据删减
      9.2.3  数据填充
      9.2.4  数据可视化
      9.2.5  apply函数
    实验作业
  实验10  Matplotlib基础与实验
    10.1  Matplotlib常见图绘制
      10.1.1  图形基础结构
      10.1.2  绘制曲线图及散点图
      10.1.3  绘制直方图和条形图
      10.1.4  绘制饼图和雷达图
      10.1.5  绘制3D图形
    10.2  Matplotlib高级应用及技巧
      10.2.1  Matplotlib的高级应用
      10.2.2  Matplotlib的优化技巧
    实验作业
第3部分  机器学习基础与Scikit-learn框架
  实验11  机器学习与Scikit-learn框架的基础知识
    11.1  什么是机器学习
    11.2  机器学习的常见分类
    11.3  Scikit-learn简介
    11.4  Scikit-learn的常用数据集及应用
    实验作业
  实验12  Scikit-learn开发流程及通用模板
    12.1  Scikit-learn开发流程
    12.2  Scikit-learn开发通用模板一
    12.3  Scikit-learn开发通用模板二
    12.4  Scikit-learn开发通用模板三
    实验作业
  实验13  随机森林原理及应用
    13.1  随机森林原理
    13.2  随机森林的优势和不足
    13.3  随机森林应用举例
    实验作业
  实验14  SVM原理及应用
    14.1  SVM基本概念
    14.2  SVM的优势和不足
    实验作业

  实验15  模型评估原理及应用
    15.1  模型评估原理与流程
      15.1.1  模型评估原理
      15.1.2  模型评估基本知识
      15.1.3  评估流程
    15.2  模型评估的指标详述
    实验作业
第4部分  深度学习基础与PyTorch框架
  实验16  PyTorch的开发环境配置及Tensor的基本操作
    16.1  PyTorch的开发环境配置
    16.2  Tensor的基本操作
      16.2.1  创建Tensor
      16.2.2  索引和切片
      16.2.3  变形
      16.2.4  类型转换
      16.2.5  数学运算
      16.2.6  广播
      16.2.7  合并和堆叠
      16.2.8  分割
      16.2.9  其他操作
    实验作业
  实验17  PyTorch的开发流程与通用模板
    17.1  PyTorch的开发流程概述
    17.2  PyTorch的通用模板
    实验作业
  实验18  卷积神经网络的简介及应用
    18.1  CNN的基础知识
    18.2  CNN的应用实例
    实验作业
  实验19  长短期记忆网络的简介及应用
    19.1  LSTM的基础知识
    19.2  LSTM的应用实例
    实验作业
  实验20  深度神经网络的简介及应用
    20.1  DNN的基础知识
    20.2  DNN的应用实例
    实验作业
第5部分  基于大语言模型的自然语言处理编程
  实验21  Hugging Face框架
    21.1  Hugging Face的基础知识
    21.2  Hugging Face开发环境搭建
    实验作业
  实验22  Hugging Face管道的介绍
    22.1  Transformer中管道的基本概念
    22.2  管道的基本组成和工作流程
      22.2.1  管道的基本组成
      22.2.2  管道的工作流程
    22.3  管道的功能和优势
      22.3.1  管道的功能
      22.3.2  管道的优势

    22.4  Pipeline任务列表
    22.5  管道使用示例
    实验作业
  实验23  文本分类
    23.1  文本分类简述
    23.2  文本分类的任务
    23.3  文本分类方法
      23.3.1  基于规则的文本分类方法
      23.3.2  基于机器学习的文本分类方法
      23.3.3  基于深度学习的文本分类方法
      23.3.4  基于预训练模型的文本分类方法
    23.4  基于预训练模型的文本分类实战案例
    实验作业
  实验24  文本生成
    24.1  文本生成简述
    24.2  文本生成的任务
    24.3  文本生成方法
      24.3.1  基于规则的文本生成方法
      24.3.2  基于统计的文本生成方法
      24.3.3  基于预训练模型的文本生成方法
    24.4  基于预训练模型的文本生成实战案例
    实验作业
  实验25  模型微调
    25.1  模型微调的定义
    25.2  微调模型的目的和意义
      25.2.1  模型微调目标
      25.2.2  微调模型的优点
    25.3  不同微调方法的比较与分析
    25.4  模型微调的步骤
    25.5  使用Trainer API微调模型
      25.5.1  Trainer类概述
      25.5.2  使用Trainer进行模型微调
    25.6  文本分类模型微调实战案例
    实验作业
  实验26  网络数据爬取
    26.1  网络爬取助手XPath Helper
    26.2  XPath语法
      26.2.1  XPath语法应用举例
      26.2.2  实战收集网络评论数据
    实验作业
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目