人工智能实践教程

图书标准信息

• 作者 刘攀；黄务兰；魏忠
• 出版社 北京大学出版社
• 出版时间 2022-07
• 版次 1
• ISBN 9787301328774
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 340页
• 字数 516千字

【内容简介】

《人工智能实践教程》内容全面，既涵盖项目实践所需的Python语言基础和实践环节搭建，又涉及项目相关的技术原理和方法等理论知识介绍，还包含多个案例项目的实践内容。书中讲解了Python 语言，包括Python的安装、数据类型、涉及函数、文件读/写、第三方库等知识；介绍了人工智能实战基础，包括数据库预处理技术和方法，KNN算法、回归分析应用和其他机器学习技术等内容；还讲解了人工智能实战进阶，包括自然语言处理、语音识别、图像识别和神经网络与深度学习等内容。

【作者简介】

刘攀，上海商学院教授。近五年，主持和参与国家、省部级以上科研项目10项，主持教研课题3项；主编教材1部，字数共计30万字；公开发表论文30余篇，其中25篇被SCI或EI检索、5篇北大核心；获得国家发明专利2项，使用新型专利1项，多次带队参加各种学科竞赛荣获全国二等奖2项，三等奖8项，上海市级一等奖1项，二等奖2项，三等奖12项，优秀设计奖若干。

黄务兰，上海商学院副教授。近五年，主持及参与国家、省部级、地厅级科研项目6项，承担教研课题2项；参编教材2部，字数共计18万字；公开发表论文10余篇，其中4篇CSSCI、2篇北大核心，1篇EI检索论文。

魏忠，博士，上海海事大学电子商务专业副教授、管理科学专业硕士生导师、MBA\\EMBA导师、西安电子科技大学计算机学院硕士生导师、东华大学计算机学院硕士生导师。出版了5本教育专著和发表50多篇文章，曾获得上海高教成果一等奖、二等奖、三等奖。讲授《网络智能技术与应用》和《数据可视化》课程。

【目录】

第一篇 Python语言

第1章 Python简介 3

1.1 Python介绍 4

1.2 Python的环境配置 4

1.2.1 Python的安装 4

1.2.2 IPython的安装 7

1.2.3 PyCharm的安装 10

1.2.4 Anaconda的安装 16

1.3 本章小结 22

1.4 本章习题 22

第2章 Python人工智能之路——基础 23

2.1 书写格式和基本规则 24

2.2 数据类型 24

2.2.1 基本数据类型 24

2.2.2 特征数据类型 27

2.3 基本运算和表达式 31

2.3.1 变量 31

2.3.2 算术运算 31

2.4 基本流程控制 32

2.4.1 顺序控制 32

2.4.2 条件控制（选择控制） 32

2.4.3 循环控制 35

2.4.4 循环控制语句 37

2.5 函数 39

2.5.1 Python函数 39

2.5.2 参数 41 

2.5.3 匿名函数 43

2.6 本章小结 45

2.7 本章习题 45

第3章 Python人工智能之路——进阶 47

3.1 正则表达式 48

3.1.1 基本语法和使用 48

3.1.2 贪婪匹配和非贪婪匹配 52

3.2 re模块的内置函数 53

3.2.1 匹配与搜索 53

3.2.2 切分与分组 57

3.3 图形绘制 61

3.3.1 Tkinter库的Canvas图形绘制方法 61

3.3.2 Turtle库的图形绘制方法 64

3.3.3 Matplotlib库的图形绘制方法 67

3.4 文件读/写 70

3.4.1 文本文件和二进制文件的区别 70

3.4.2 文件的打开和关闭 71

3.4.3 文件的读取、写入、追加 72

3.5 案例应用 73

3.5.1 猜数字 73

3.5.2 CSV文件读/写 73

3.5.3 Web服务器的构建 75

3.6 本章小结 77

3.7 本章习题 77 

第4章 Python人工智能之路——第三方库 78

4.1 第三方库的安装和使用 79

4.1.1 第三方库的安装 79

4.1.2 第三方库的使用 81

4.2 NumPy库 81

4.2.1 NumPy库简介 81

4.2.2 NumPy库的应用 82

4.3 Pandas库 87

4.3.1 Pandas库简介 87

4.3.2 Series库简介 87

4.3.3 DataFrame库简介 93

4.3.4 数据分析和可视化 106

4.4 Sklearn库 108

4.4.1 Sklearn库简介 108

4.4.2 Sklearn库的应用 109

4.5 Keras库 113

4.5.1 Keras库简介 113

4.5.2 Keras库的应用 116

4.6 TensorFlow库 117

4.6.1 TensorFlow库简介 117

4.6.2 TensorFlow库的应用 118

4.7 本章小结 120

4.8 本章习题 121

第二篇 人工智能实战基础

第5章 数据预处理技术和方法 125

5.1 数据预处理概述 126

5.2 缺失值处理 126

5.3 特征编码 131

5.4 数据标准化和正则化 132

5.4.1 数据标准化 132

5.4.2 数据正则化 135

5.5 特征选择 135

5.5.1 过滤式特征选择 136

5.5.2 包裹式特征选择 138

5.5.3 嵌入式特征选择 139

5.6 稀疏表示和字典学习 140

5.7 主成分分析 141

5.8 本章小结 142

5.9 本章习题 142

第6章 KNN算法 144

6.1 KNN算法概述 145

6.1.1 KNN算法的基本原理 145

6.1.2 KNN算法的重要参数 146

6.1.3 KNN算法的特点 148

6.2 基于KNN算法的手写字识别 148

6.2.1 项目背景 148

6.2.2 项目实战 149

6.3 基于KNN算法的网站约会配对 152

6.3.1 项目背景 152

6.3.2 项目实战 153

6.4 基于KNN算法的乳腺癌诊断 156

6.4.1 项目背景 156

6.4.2 项目实战 157

6.5 本章小结 163

6.6 本章习题 163

第7章 回归分析应用 164

7.1 回归分析概述 165

7.1.1 回归分析的定义 165

7.1.2 线性回归 166

7.1.3 逻辑回归 168

7.1.4 多项式回归 170

7.1.5 回归模型的评价指标 171

7.2 基于线性回归预测鲍鱼年龄 173

7.2.1 项目背景 173

7.2.2 项目实战 174

7.3 基于逻辑回归的病马死亡率预测 178

7.3.1 项目背景 178

7.3.2 项目实战 178

7.4 多项式回归应用案例 180

7.4.1 项目背景 180

7.4.2 项目实战 181

7.5 本章小结 183

7.6 本章习题 184

第8章 其他机器学习技术 185

8.1 Apriori算法应用 186

8.1.1 Apriori关联分析概述 186

8.1.2 Apriori算法的原理和流程 188

8.1.3 Apriori算法实现 190

8.1.4 Apriori算法应用案例 195

8.2 决策树算法应用 196

8.2.1 决策树算法的基本概念 196

8.2.2 决策树构造算法 198

8.2.3 决策树应用案例 200

8.3 AdaBoost分类器应用 202

8.3.1 AdaBoost分类器概述 202

8.3.2 应用案例——泰坦尼克号生存率预测 204

8.4 网格搜索优化模型参数 208

8.4.1 网格搜索概述 208

8.4.2 网格搜索应用案例 211

8.5 本章小结 213

8.6 本章习题 214

第三篇 人工智能实战进阶

第9章 自然语言处理 217

9.1 自然语言处理简介 218

9.2 Python中文分词 219

9.2.1 项目背景 219

9.2.2 项目实战 229

9.3 TF-IDF算法解析 232

9.3.1 项目背景 232

9.3.2 项目实战 234 

9.4 意图识别 236

9.4.1 项目背景 236

9.4.2 项目实战 238

9.5 最大熵模型 241

9.5.1 项目背景 241

9.5.2 项目实战 246

9.6 利用jieba库和Tkinter库进行信息检索 248

9.6.1 项目背景 248

9.6.2 项目实战 248

9.7 NLP词向量计算 250

9.7.1 项目背景 250

9.7.2 项目实战 255

9.8 本章小结 262

9.9 本章习题 262

第10章 语音识别 265

10.1 语音识别简介 266

10.2 Python Keras实现IVA语音识别 267

10.2.1 项目背景 267

10.2.2 项目实战 267

10.3 基于百度智能云和图灵机器人的

语音交互 274

10.3.1 项目背景 274

10.3.2 项目实战 274

10.4 利用pyttsx3库合成文字语音 280

10.4.1 项目背景 280

10.4.2 项目实战 282

10.5 本章小结 284

10.6 本章习题 284

第11章 图像识别 286

11.1 图像识别简介 287

11.2 基于卷积神经网络的图像风格迁移 287 

11.2.1 项目背景 287

11.2.2 项目实战 291

11.3 人脸识别技术 297

11.3.1 项目背景 297

11.3.2 项目实战 298

11.4 本章小结 303

11.5 本章习题 303

第12章 神经网络与深度学习 304

12.1 神经网络与深度学习简介 305

12.1.1 神经网络 305 

12.1.2 深度学习 305

12.2 人工神经网络模型应用—鸢尾花分类 311

12.2.1 项目背景 311

12.2.2 项目实战 311

12.3 卷积神经网络模型 316

12.3.1 项目背景 316

12.3.2 项目实战 317

12.4 本章小结 327

12.5 本章习题 327

参考文献 328