Python程序设计及机器学习案例分析 微课视频版
正版保障 假一赔十 电子发票
￥ 30.94 7.9折 ￥ 39 全新
库存2件
作者杨荣根、杨忠
出版社清华大学出版社
ISBN9787302583141
出版时间2021-07
装帧平装
开本16开
定价39元
货号1202450754
上书时间2024-12-13
商品详情
- 品相描述：全新
- 商品描述
-
前言
由于时间仓促，书中难免存在不妥之处，恳请各位专家和读者批评指正，并提出宝贵意见。
作者2021年3月
商品简介Python语言简单易学，且有强大的AI（Artificial Intelligence，人工智能）支持库，是人工智能语言。本书围绕Python语言的这些特点，讲述Python语言基础语法、数据结构、程序结构、函数与模块、输入输出和面向对象程序设计等专题，同时结合每个专题精心编排了机器学习中的统计参数计算、随机变量分布、优化计算、矩阵分析、线性回归、线性分类和人脸识别等人工智能案例实践。通过这些内容的学习，读者可以一方面掌握Python语言的语法； 另一方面又了解机器学习的基本原理，学会构建基本的机器学习系统。 本书教学资源丰富，配套有视频、源码、课件以及习题答案，可以作为高等院校程序设计课程的教材，也可以作为Python语言爱好者以及机器学习入门的自学参考书。
作者简介
杨荣根，金陵科技学院智能科学与控制工程学院副教授，博士，主要从事计算机应用技术专业教学和科研工作，研究方向智能信息处理，机器学习应用等。发表论文10余篇，承担市厅级科研项目3项，精通多门语言的程序设计和软件开发。
目录
第1章Python语言概述
1.1语言
1.2程序设计语言
1.3程序设计语言的发展
1.3.1第一代机器语言
1.3.2第二代汇编语言
1.3.3第三代高级语言
1.3.4第四代非过程化语言
1.4Python程序设计语言
1.5Python语言的优势
1.6Python环境
1.6.1运行环境
1.6.2开发环境
1.7第一个机器学习小程序
1.7.1波士顿房价数据集
1.7.2数据预处理与训练
1.7.3性能评估
1.8实验
本章小结
习题
第2章基础语法
2.1常用内置对象
2.1.1基本数据类型
2.1.2变量
2.1.3常量
2.1.4字符串
2.1.5列表、元组、字典、集合
2.2运算符与表达式
2.2.1算术运算符
2.2.2关系运算符
2.2.3成员测试运算符in与同一性测试运算符is
2.2.4位运算符与集合运算符
2.2.5逻辑运算符
2.2.6矩阵乘法运算符“@”
2.3Python关键字
2.4Python常用内置函数
2.4.1类型转换
2.4.2数学函数
2.4.3input()和print()函数
2.4.4sorted()和reversed()函数
2.4.5enumerate()函数
2.4.6map()和filter()函数
2.4.7range()、zip()和eval()函数
2.5Python编程规范
2.6机器学习中的统计参数
2.6.1均值、方差和标准差
2.6.2偏度、峰度和相关系数
2.6.3距离
2.7实验
本章小结
习题
第3章数据结构
3.1列表
3.1.1列表操作
3.1.2列表常用方法
3.1.3列表支持的运算符
3.1.4内置函数对列表的操作
3.1.5列表推导式
3.1.6切片操作
3.2元组
3.2.1元组创建与元素访问
3.2.2元组与列表的比较
3.2.3生成器推导式
3.3字典
3.3.1字典创建与删除
3.3.2字典元素的访问
3.3.3元素添加、修改与删除
3.3.4标准库collections中与字典有关的类
3.4集合
3.4.1集合对象的创建与删除
3.4.2集合操作与运算
3.5序列封包与解包
3.6NumPy库中的array结构
3.7机器学习中的变量分布
3.7.1两点分布
3.7.2高斯分布
3.7.3中心极限定理
3.8实验
本章小结
习题
第4章程序结构
4.1条件表达式
4.2分支结构
4.2.1单分支结构
4.2.2双分支结构
4.2.3多分支结构
4.2.4分支嵌套结构
4.3循环结构
4.3.1for循环语句与while循环语句
4.3.2break语句与continue语句
4.4机器学习中的优化计算
4.5实验
本章小结
习题
第5章函数及模块
5.1函数
5.1.1函数定义
5.1.2函数递归调用
5.1.3函数参数
5.1.4变量作用域
5.1.5lambda表达式
5.1.6生成器函数
5.1.7关于__main__
5.2模块、包、库
5.2.1模块
5.2.2包
5.2.3库
5.3异常处理
5.3.1异常
5.3.2异常处理
5.4PyCharm单步跟踪
5.5机器学习中的矩阵分析
5.5.1正规方程计算线性模型参数
5.5.2矩阵奇异值分解
5.6实验
本章小结
习题
第6章输入输出
6.1文件读写
6.1.1文件
6.1.2文件操作
6.1.3文件操作案例
6.2文件夹操作
6.3图形和图像输出
6.3.1散点图
6.3.2曲线图
6.3.3三维曲线图
6.3.4三维曲面图
6.3.5其他有趣的图形
6.3.6图像显示输出
6.4数据库访问与存储
6.4.1关系数据库
6.4.2MySQL数据库管理系统
6.4.3数据库操作
6.5机器学习中的线性回归
6.6实验
本章小结
习题
第7章面向对象程序设计
7.1类的定义与使用
7.2封装
7.2.1私有成员和公有成员
7.2.2属性
7.2.3方法
7.3继承、多态
7.3.1继承
7.3.2多态
7.4特殊方法
7.5机器学习中的线性分类
7.6实验
本章小结
习题
第8章Python项目应用——人脸识别
8.1人脸识别算法
8.1.1人脸库
8.1.2最近邻方法
8.1.3主分量分析降维
8.1.4Logistic回归方法
8.2人脸识别系统
8.3实验
本章小结
习题
参考文献
内容摘要
Python语言简单易学，且有强大的AI（Artificial Intelligence，人工智能）支持库，是人工智能第一语言。本书围绕Python语言的这些特点，讲述Python语言基础语法、数据结构、程序结构、函数与模块、输入输出和面向对象程序设计等专题，同时结合每个专题精心编排了机器学习中的统计参数计算、随机变量分布、优化计算、矩阵分析、线性回归、线性分类和人脸识别等人工智能案例实践。通过这些内容的学习，读者可以一方面掌握Python语言的语法； 另一方面又了解机器学习的基本原理，学会构建基本的机器学习系统。本书教学资源丰富，配套有视频、源码、课件以及习题答案，可以作为高等院校程序设计课程的教材，也可以作为Python语言爱好者以及机器学习入门的自学参考书。
主编推荐
"
每一章都有配套的实验，避免了重复编写实验指导的麻烦。书中配有丰富的案例，都是围绕机器学习展开讨论，学生可以在掌握Python语法的同时掌握和机器学习的基本原理。通篇按照基础语法、数据结构、程序结构、函数模块、输入输出、面向对象的思路铺展开来，在每章间插了机器学习基础的案例，机器学习中的统计参数、变量分布、优化计算、矩阵分析、线性回归、线性分类等。"
— 没有更多了 —
以下为对购买帮助不大的评价