人工智能算法與實戰(zhàn)：微課視頻版（Python+PyTorch）

第1章準備工作

1.1Python的安裝

1.1.1簡介

1.1.2安裝

1.1.3常用模塊

1.1.4虛擬環(huán)境

1.2基礎知識

1.2.1認識 Python

1.2.2數(shù)據(jù)類型

1.2.3數(shù)據(jù)結(jié)構

1.2.4條件判斷

1.2.5循環(huán)

1.2.6實例

1.3Notebook開發(fā)環(huán)境

1.3.1搭建Jupyter

1.3.2搭建Jupyterlab

1.4本章小結(jié)

第2章科學計算庫

2.1NumPy

2.1.1構建數(shù)組

2.1.2數(shù)組運算

2.1.3函數(shù)運算

2.1.4文件存取

2.2SymPy

2.3SciPy

2.3.1非線性方程組

2.3.2最小二乘

2.3.3插值

2.4pandas

2.4.1Series

2.4.2dataframe

2.4.3日平均線

2.4.4數(shù)據(jù)存取

2.5Matplotlib

2.5.1二維圖形

2.5.2三維圖形

2.6本章小結(jié)





第3章描述性分析

3.1數(shù)據(jù)

3.2基本統(tǒng)計量

3.2.1平均數(shù)

3.2.2最值

3.2.3中位數(shù)

3.2.4眾數(shù)

3.2.5極差

3.2.6方差

3.2.7變異系數(shù)

3.2.8協(xié)方差

3.2.9相關系數(shù)

3.3數(shù)據(jù)轉(zhuǎn)換

3.3.1中心化

3.3.2minmax標準化

3.3.3BoxCox轉(zhuǎn)換

3.3.4log函數(shù)轉(zhuǎn)換

3.3.5zscore標準化

3.4常見距離

3.4.1閔氏距離

3.4.2余弦值相似度

3.5多維數(shù)據(jù)

3.5.1矩陣

3.5.2特征值和特征向量

3.5.3多重共線性

3.6學生基本信息實例

3.7本章小結(jié)

第4章經(jīng)典算法

4.1線性回歸

4.1.1思想方法

4.1.2線性回歸算法步驟

4.1.3實例

4.2邏輯回歸

4.2.1算法思想

4.2.2步驟

4.2.3實例

4.3主成分分析

4.3.1算法思想

4.3.2步驟

4.3.3實例

4.4線性判別分析

4.4.1算法思想

4.4.2步驟

4.4.3實例

4.5決策樹

4.5.1算法思想

4.5.2步驟

4.5.3實例

4.6隨機森林

4.6.1算法思想

4.6.2實例

4.7集成學習

4.7.1Bagging

4.7.2Boosting

4.7.3Stacking

4.8樸素貝葉斯

4.8.1算法思想

4.8.2步驟

4.8.3實例

4.9k最近鄰算法

4.9.1算法思想

4.9.2步驟

4.9.3實例

4.10kmeans聚類

4.10.1算法思想

4.10.2算法步驟

4.10.3實例

4.11推薦算法

4.11.1算法思想

4.11.2基于用戶的協(xié)同過濾

4.11.3步驟

4.11.4基于內(nèi)容的協(xié)同過濾

4.11.5總結(jié)

4.12SVD

4.12.1步驟

4.12.2實例

4.13本章小結(jié)

第5章深度學習

5.1PyTorch

5.1.1PyTorch安裝

5.1.2創(chuàng)建tensor

5.1.3基本運算

5.1.4矩陣運算

5.2基礎知識

5.2.1蒙特卡洛法

5.2.2梯度下降法

5.2.3封裝實現(xiàn)

5.2.4激活函數(shù)

5.2.5softmax

5.3前饋神經(jīng)網(wǎng)絡

5.3.1思想原理

5.3.2手寫體識別實例

5.4卷積神經(jīng)網(wǎng)絡

5.4.1核函數(shù)

5.4.2池化層

5.4.3LeNet

5.4.4AlexNet

5.4.5ResNet

5.4.6GoogLeNet

5.4.7垃圾分類實例

5.5生成對抗網(wǎng)絡

5.5.1思想原理

5.5.2對抗網(wǎng)絡實例

5.6其他神經(jīng)網(wǎng)絡

5.6.1循環(huán)神經(jīng)網(wǎng)絡

5.6.2風格遷移神經(jīng)網(wǎng)絡

5.7本章小結(jié)

參考文獻