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
- 会员本书主要讲解了搭建一个企业级数据仓库项目的全过程,从项目需求入手,逐步讲解项目架构的设计、技术框架的选型、数据仓库项目的理论基础。接着分别讲解了大数据的数据采集、数据计算、数据仓库分层、全流程调度和指标结果可视化。本书涉及的数据仓库的数据源更加丰富、更加贴近实际开发,各技术框架的版本也进行了全面升级,数据仓库搭建过程的思路分析更加详细,并配了更多思路讲解图,更有利于读者理解。本书IT互联网程序员、计算机9.6万字
同类书籍最近更新