Python深度学习：逻辑、算法与编程实战

图书标准信息

• 作者 何福贵 著
• 出版社 机械工业出版社
• 出版时间 2020-07
• 版次 1
• ISBN 9787111658610
• 定价 119.00元
• 装帧 线装
• 开本 16开
• 页数 374页
• 字数 594千字

【内容简介】

机器学习是人工智能领域一个极其重要的研究方向，而深度学习则是机器学习中一个非常接近AI的分支，其思路在于建立进行分析学习的神经网络，模仿人脑感知与组织的方式，根据输入数据做出决策。深度学习在快速的发展过程中，不断有与其相关的产品推向市场，显然，深度学习的应用将会日趋广泛。 
《Python深度学习：逻辑、算法与编程实战》是关于深度学习的理论、算法、应用的实战教程，内容涵盖深度学习的语言、学习环境、典型结构、数据爬取和清洗、图像识别分类、自然语言处理、情感分析、机器翻译、目标检测和语音处理等知识，通过各种实例，读者能了解、掌握深度学习的整个流程和典型应用。 
《Python深度学习：逻辑、算法与编程实战》可作为深度学习相关从业人员的参考指南，也可作为大中专院校人工智能相关专业的教材，还可作为广大人工智能爱好者的拓展学习手册。

【目录】

前言 

第1章 Python语言基础 

11 Python简介 

12 Python开发环境 

121 PyCharm的下载和安装 

122 PyCharm的使用 

123 树莓派Python IDLE的使用 

13 Python基本语法 

131 保留字和标识符 

132 变量和数据类型 

133 基本控制结构 

134 运算符 

135 函数 

136 with语句 

137 字符串操作 

138 异常处理 

14 Python序列 

141 列表 

142 元组 

143 字典 

144 集合 

145 列表、元组、字典和集合的区别 

15 Python操作文件 

151 操作文本文件 

152 操作目录 

153 操作Excel文件 

154 操作CSV文件 

16 Python模块 

161 模块分类 

162 自定义模块 

163 第三方模块的安装 

17 Python类 

171 面向对象概述 

172 类和对象 

173 面向对象程序设计方法 

174 类的定义和使用 

175 多线程 

18 本章小结 

第2章 Python操作数据库及Web框架 

21 操作数据库 

211 操作SQLite 

212 操作MySQL 

22 Web框架 

221 主流Web框架 

222 Django框架 

223 Flask框架 

23 本章小结 

第3章 Python深度学习环境 

31 Anaconda介绍 

32 Anaconda环境搭建 

33 Anaconda使用方法 

331 管理工具Navigator 

332 Anaconda的Python开发环境Spyder 

34 深度学习的一些常备库 

341 NumPy―基础科学计算库 

342 SciPy―科学计算工具集 

343 Pandas―数据分析的利器 

344 Matplotlib―画出优美的图形 

345 Tqdm―Python 进度条库 

35 机器学习通用库Sklearn 

351 Sklearn的安装 

352 Sklearn的数据集 

353 Sklearn的机器学习方式 

36 机器学习深度库TensorFlow 

361 TensorFlow的安装 

362 TensorFlow的深度学习方式 

363 TensorLayer 

364 可视化工具TensorBoard 

37 机器学习深度库Keras 

371 Keras的安装 

372 Keras的深度学习方式 

38 自然语言处理 

381 NLTK 

382 SpaCy 

383 Gensim 

39 视觉OpenCV 

391 OpenCV的安装 

392 OpenCV的使用 

310 其他深度学习框架 

3101 PyTorch 

3102 TFLearn 

3103 Chainer 

3104 Theano 

311 本章小结 

第4章 深度学习典型结构 

41 人工智能、机器学习、神经网络和深度学习的关系 

42 深度学习的发展历程 

43 深度学习的应用 

431 计算机视觉 

432 语音识别 

433 自然语言处理 

434 人机博弈 

44 神经网络 

441 神经网络的结构 

442 神经网络的算法 

443 神经网络的训练 

444 神经网络的参数 

445 深度学习与深层神经网络 

45 卷积神经网络（CNN） 

451 卷积神经网络结构 

452 经典卷积网络模型 

453 卷积神经网络应用 

46 循环神经网络（RNN） 

461 循环神经网络结构 

462 长短期记忆网络（LSTM） 

463 循环神经网络改进 

464 循环神经网络应用 

47 递归神经网络（RNN） 

471 递归神经网络结构 

472 递归神经网络应用 

48 生成对抗网络（GAN） 

481 生成对抗网络原理 

482 生成对抗网络架构 

483 生成对抗网络应用 

484 生成对抗网络变种 

49 本章小结 

第5章 深度学习数据准备―数据爬取和清洗 

51 爬虫框架 

511 Crawley爬虫框架 

512 Scrapy爬虫框架 

513 PySpider爬虫框架 

514 Beautiful Soup爬虫框架 

52 数据爬取 

521 Urllib3爬取 

522 Requests爬取 

523 Scrapy框架爬取 

524 实例―爬取招聘网站职位信息 

525 实例―爬取网站指定的图片集合 

526 实例―爬取二手车市场数据 

53 数据清洗 

531 数据清洗库Pandas 

532 缺失值处理 

533 去重处理 

534 异常值处理 

535 实例―清洗CSV文件 

536 噪声数据处理 

537 实例―天气数据分析与处理 

54 数据显示 

541 Pandas统计分析 

542 Matplotlib绘图 

543 Bokeh绘图 

544 Pyecharts绘图 

55 实例―爬取并保存图片 

56 本章小结 

第6章 图像识别分类 

61 图像识别分类简介 

62 经典图片数据集 

621 MNIST数据集 

622 CIFAR-10数据集 

623 ImageNet数据集 

624 LFW人脸数据库 

625 Flowers-17数据集 

626 Pascal VOC数据集 

627 MS COCO 数据集 

63 OpenCV识别 

631 实例―人眼识别 

632 实例―两张相似图片识别 

633 实例―性别识别 

64 VGGNet花朵识别 

641 VGGNet介绍 

642 花朵数据库 

643 实例―花朵识别 

65 车牌识别 

651 利用OpenCV实现车牌识别 

652 实例―EasyPR车牌识别 

66 Inception图像分类处理 

661 Inception模型简介 

662 实例―花朵和动物识别 

663 实例―自定义图像分类 

67 本章小结 

第7章 自然语言处理 

71 自然语言处理的典型工具 

711 NLTK 

712 TextBlob 

713 Gensim 

714 Polyglot 

72 Jieba实现关键词抽取 

721 Jieba实现词性标注 

722 基于TF-IDF算法的关键词抽取 

723 基于TextRank算法的关键词抽取