本書內容全面，既涵蓋項目實踐所需的Python語言基礎和實踐環(huán)節(jié)搭建，又涉及項目相關的技術原理和方法等理論知識介紹，還包含多個案例項目的實踐內容。書中講解了Python 語言，包括Python的安裝、數(shù)據(jù)類型、涉及函數(shù)、文件讀/寫、第三方庫等知識；介紹了人工智能實戰(zhàn)基礎，包括數(shù)據(jù)庫預處理技術和方法，KNN算法、回歸分析應用和其他機器學習技術等內容；還講解了人工智能實戰(zhàn)進階，包括自然語言處理、語音識別、圖像識別和神經網(wǎng)絡與深度學習等內容。
劉攀，上海商學院教授。近五年，主持和參與國家、省部級以上科研項目10項，主持教研課題3項；主編教材1部，字數(shù)共計30萬字；公開發(fā)表論文30余篇，其中25篇被SCI或EI檢索、5篇北大核心；獲得國家發(fā)明專利2項，使用新型專利1項，多次帶隊參加各種學科競賽榮獲全國二等獎2項，三等獎8項，上海市級一等獎1項，二等獎2項，三等獎12項，優(yōu)秀設計獎若干。
黃務蘭，上海商學院副教授。近五年，主持及參與國家、省部級、地廳級科研項目6項，承擔教研課題2項；參編教材2部，字數(shù)共計18萬字；公開發(fā)表論文10余篇，其中4篇CSSCI、2篇北大核心，1篇EI檢索論文。
魏忠，博士，上海海事大學電子商務專業(yè)副教授、管理科學專業(yè)碩士生導師、MBA\EMBA導師、西安電子科技大學計算機學院碩士生導師、東華大學計算機學院碩士生導師。出版了5本教育專著和發(fā)表50多篇文章，曾獲得上海高教成果一等獎、二等獎、三等獎。講授《網(wǎng)絡智能技術與應用》和《數(shù)據(jù)可視化》課程。
第一篇 Python語言
第1章 Python簡介 3
1.1 Python介紹 4
1.2 Python的環(huán)境配置 4
1.2.1 Python的安裝 4
1.2.2 IPython的安裝 7
1.2.3 PyCharm的安裝 10
1.2.4 Anaconda的安裝 16
1.3 本章小結 22
1.4 本章習題 22
第2章 Python人工智能之路——基礎 23
2.1 書寫格式和基本規(guī)則 24
2.2 數(shù)據(jù)類型 24
2.2.1 基本數(shù)據(jù)類型 24
2.2.2 特征數(shù)據(jù)類型 27
2.3 基本運算和表達式 31
2.3.1 變量 31
2.3.2 算術運算 31
2.4 基本流程控制 32
2.4.1 順序控制 32
2.4.2 條件控制（選擇控制） 32
2.4.3 循環(huán)控制 35
2.4.4 循環(huán)控制語句 37
2.5 函數(shù) 39
2.5.1 Python函數(shù) 39
2.5.2 參數(shù) 41
2.5.3 匿名函數(shù) 43
2.6 本章小結 45
2.7 本章習題 45
第3章 Python人工智能之路——進階 47
3.1 正則表達式 48
3.1.1 基本語法和使用 48
3.1.2 貪婪匹配和非貪婪匹配 52
3.2 re模塊的內置函數(shù) 53
3.2.1 匹配與搜索 53
3.2.2 切分與分組 57
3.3 圖形繪制 61
3.3.1 Tkinter庫的Canvas圖形繪制方法 61
3.3.2 Turtle庫的圖形繪制方法 64
3.3.3 Matplotlib庫的圖形繪制方法 67
3.4 文件讀/寫 70
3.4.1 文本文件和二進制文件的區(qū)別 70
3.4.2 文件的打開和關閉 71
3.4.3 文件的讀取、寫入、追加 72
3.5 案例應用 73
3.5.1 猜數(shù)字 73
3.5.2 CSV文件讀/寫 73
3.5.3 Web服務器的構建 75
3.6 本章小結 77
3.7 本章習題 77
第4章 Python人工智能之路——第三方庫 78
4.1 第三方庫的安裝和使用 79
4.1.1 第三方庫的安裝 79
4.1.2 第三方庫的使用 81
4.2 NumPy庫 81
4.2.1 NumPy庫簡介 81
4.2.2 NumPy庫的應用 82
4.3 Pandas庫 87
4.3.1 Pandas庫簡介 87
4.3.2 Series庫簡介 87
4.3.3 DataFrame庫簡介 93
4.3.4 數(shù)據(jù)分析和可視化 106
4.4 Sklearn庫 108
4.4.1 Sklearn庫簡介 108
4.4.2 Sklearn庫的應用 109
4.5 Keras庫 113
4.5.1 Keras庫簡介 113
4.5.2 Keras庫的應用 116
4.6 TensorFlow庫 117
4.6.1 TensorFlow庫簡介 117
4.6.2 TensorFlow庫的應用 118
4.7 本章小結 120
4.8 本章習題 121
第二篇 人工智能實戰(zhàn)基礎
第5章 數(shù)據(jù)預處理技術和方法 125
5.1 數(shù)據(jù)預處理概述 126
5.2 缺失值處理 126
5.3 特征編碼 131
5.4 數(shù)據(jù)標準化和正則化 132
5.4.1 數(shù)據(jù)標準化 132
5.4.2 數(shù)據(jù)正則化 135
5.5 特征選擇 135
5.5.1 過濾式特征選擇 136
5.5.2 包裹式特征選擇 138
5.5.3 嵌入式特征選擇 139
5.6 稀疏表示和字典學習 140
5.7 主成分分析 141
5.8 本章小結 142
5.9 本章習題 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算法的重要參數(shù) 146
6.1.3 KNN算法的特點 148
6.2 基于KNN算法的手寫字識別 148
6.2.1 項目背景 148
6.2.2 項目實戰(zhàn) 149
6.3 基于KNN算法的網(wǎng)站約會配對 152
6.3.1 項目背景 152
6.3.2 項目實戰(zhàn) 153
6.4 基于KNN算法的乳腺癌診斷 156
6.4.1 項目背景 156
6.4.2 項目實戰(zhàn) 157
6.5 本章小結 163
6.6 本章習題 163
第7章 回歸分析應用 164
7.1 回歸分析概述 165
7.1.1 回歸分析的定義 165
7.1.2 線性回歸 166
7.1.3 邏輯回歸 168
7.1.4 多項式回歸 170
7.1.5 回歸模型的評價指標 171
7.2 基于線性回歸預測鮑魚年齡 173
7.2.1 項目背景 173
7.2.2 項目實戰(zhàn) 174
7.3 基于邏輯回歸的病馬死亡率預測 178
7.3.1 項目背景 178
7.3.2 項目實戰(zhàn) 178
7.4 多項式回歸應用案例 180
7.4.1 項目背景 180
7.4.2 項目實戰(zhàn) 181
7.5 本章小結 183
7.6 本章習題 184
第8章 其他機器學習技術 185
8.1 Apriori算法應用 186
8.1.1 Apriori關聯(lián)分析概述 186
8.1.2 Apriori算法的原理和流程 188
8.1.3 Apriori算法實現(xiàn) 190
8.1.4 Apriori算法應用案例 195
8.2 決策樹算法應用 196
8.2.1 決策樹算法的基本概念 196
8.2.2 決策樹構造算法 198
8.2.3 決策樹應用案例 200
8.3 AdaBoost分類器應用 202
8.3.1 AdaBoost分類器概述 202
8.3.2 應用案例——泰坦尼克號生存率預測 204
8.4 網(wǎng)格搜索優(yōu)化模型參數(shù) 208
8.4.1 網(wǎng)格搜索概述 208
8.4.2 網(wǎng)格搜索應用案例 211
8.5 本章小結 213
8.6 本章習題 214
第三篇 人工智能實戰(zhàn)進階
第9章 自然語言處理 217
9.1 自然語言處理簡介 218
9.2 Python中文分詞 219
9.2.1 項目背景 219
9.2.2 項目實戰(zhàn) 229
9.3 TF-IDF算法解析 232
9.3.1 項目背景 232
9.3.2 項目實戰(zhàn) 234
9.4 意圖識別 236
9.4.1 項目背景 236
9.4.2 項目實戰(zhàn) 238
9.5 最大熵模型 241
9.5.1 項目背景 241
9.5.2 項目實戰(zhàn) 246
9.6 利用jieba庫和Tkinter庫進行信息檢索 248
9.6.1 項目背景 248
9.6.2 項目實戰(zhàn) 248
9.7 NLP詞向量計算 250
9.7.1 項目背景 250
9.7.2 項目實戰(zhàn) 255
9.8 本章小結 262
9.9 本章習題 262
第10章 語音識別 265
10.1 語音識別簡介 266
10.2 Python+Keras實現(xiàn)IVA語音識別 267
10.2.1 項目背景 267
10.2.2 項目實戰(zhàn) 267
10.3 基于百度智能云和圖靈機器人的
語音交互 274
10.3.1 項目背景 274
10.3.2 項目實戰(zhàn) 274
10.4 利用pyttsx3庫合成文字語音 280
10.4.1 項目背景 280
10.4.2 項目實戰(zhàn) 282
10.5 本章小結 284
10.6 本章習題 284
第11章 圖像識別 286
11.1 圖像識別簡介 287
11.2 基于卷積神經網(wǎng)絡的圖像風格遷移 287
11.2.1 項目背景 287
11.2.2 項目實戰(zhàn) 291
11.3 人臉識別技術 297
11.3.1 項目背景 297
11.3.2 項目實戰(zhàn) 298
11.4 本章小結 303
11.5 本章習題 303
第12章 神經網(wǎng)絡與深度學習 304
12.1 神經網(wǎng)絡與深度學習簡介 305
12.1.1 神經網(wǎng)絡 305
12.1.2 深度學習 305
12.2 人工神經網(wǎng)絡模型應用—鳶尾花分類 311
12.2.1 項目背景 311
12.2.2 項目實戰(zhàn) 311
12.3 卷積神經網(wǎng)絡模型 316
12.3.1 項目背景 316
12.3.2 項目實戰(zhàn) 317
12.4 本章小結 327
12.5 本章習題 327
參考文獻 328
書單推薦
