Python人工智能编程实践
更新时间：2024-12-31 20:48:24 最新章节：后记
书籍简介
本书在不涉及大量数学与编程知识的前提下，从零开始，逐步带领读者熟悉并掌握当下最新的基于Python3的人工智能编程工具，包括但不限于数据分析（Pandas），以及支持单机（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）机器学习的开源程序库，等等。全书共分为4部分，分别如下。入门篇：包括对全书核心概念的指南性介绍，以及如何在多种主流PC操作系统上（如Windows、macOS和Ubuntu）配置基本编程环境的详细说明。基础篇：涵盖了Python3.11的编程基础、基于Pandas2.0的数据分析，以及使用Scikitlearn1.3解决大量经典的单机（单核/多核）机器学习问题。进阶篇：介绍如何使用PyTorch2.0、TensorFlow2.12，以及PaddlePaddle2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark3.4的ML编程库完成一些常见的分布式机器学习任务。实践篇：利用全书所讲授的Python编程、数据分析，以及（单机、深度、分布式）机器学习知识，从事Kaggle多种类型的竞赛实战。同时，介绍如何使用Git工具，在Gitee与GitHub平台上更新和维护自己的日常代码与编程项目。综上，本书面向所有对人工智能领域感兴趣的读者，特别适合从事数据挖掘、机器学习、计算机视觉、自然语言处理等相关技术研发和应用实践的初学者。
品牌：清华大学
上架时间：2024-04-01 00:00:00
出版社：清华大学出版社
本书数字版权由清华大学提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
范淼 徐晟桐
同类热门书
最新上架
- 会员本书提供了关于适应度函数、自动化架构治理和演进式数据的技术、知识和技巧。本书分为三个部分：第一部分包括定义演进式架构机制的章节——介绍团队如何使用技术和工具来构建适应度函数、部署管道以及其他管理和演进软件项目的机制；第二部分包括围绕耦合、复用和其他相关结构考虑因素的架构风格和设计原则，以帮助读者实现清晰的长期演进；第三部分探讨了第一部分中介绍的工程实践与第二部分中的结构考虑因素的交叉点。计算机12.8万字
同类书籍最近更新