"本書可視為一本以問題為導向的書籍，非常適合具備一定數學基礎和 Python3基礎的讀者學習。 讀者可以在短時間內學習本書中介紹的所有算法。（1）以問題為導向，對基礎理論知識點與算法演練進行詳細講解。（2）實戰案例豐富，涵蓋20 個知識點案例、12 個完整項目案例。（3）代碼詳盡，避免對 API 的形式展示，規避重復代碼。（4）語言簡明易懂，由淺入深帶你學會 Python 以及人工智能常見算法。（5）各個算法相對獨立，數學原理相對容易理解。（6）配套資源豐富：微課視頻、源代碼等

●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虛擬環境
1.2基礎知識
1.2.1認識Python
1.2.2數據類型
1.2.3數據結構
1.2.4條件判斷
1.2.5循環
1.2.6實例
1.3Notebook開發環境
1.3.1搭建Jupyter
1.3.2搭建Jupyterlab
1.4本章小結
第2章科學計算庫
2.1NumPy
2.1.1構建數組
2.1.2數組運算
2.1.3函數運算
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數據存取
2.5Matplotlib
2.5.1二維圖形
2.5.2三維圖形
2.6本章小結
第3章描述性分析
3.1數據
3.2基本統計量
3.2.1平均數
3.2.2最值
3.2.3中位數
3.2.4眾數
3.2.5極差
3.2.6方差
3.2.7變異繫數
3.2.8協方差
3.2.9相關繫數
3.3數據轉換
3.3.1中心化
3.3.2min-max標準化
3.3.3Box-Cox轉換
3.3.4log函數轉換
3.3.5z-score標準化
3.4常見距離
3.4.1閔氏距離
3.4.2餘弦值相似度
3.5多維數據
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
第4章經典算法
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基於用戶的協同過濾
4.11.3步驟
4.11.4基於內容的協同過濾
4.11.5總結
4.12SVD
4.12.1步驟
4.12.2實例
4.13本章小結
第5章深度學習
5.1PyTorch
5.1.1PyTorch安裝
5.1.2創建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
5.2.4激活函數
5.2.5softmax
5.3前饋神經網絡
5.3.1思想原理
5.3.2手寫體識別實例
5.4卷積神經網絡
5.4.1核函數
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生成對抗網絡
5.5.1思想原理
5.5.2對抗網絡實例
5.6其他神經網絡
5.6.1循環神經網絡
5.6.2風格遷移神經網絡
5.7本章小結
參考文獻

本書將基礎理論和算法實現相結合，循序漸進地介紹了關於人工智能領域中的常見算法，全面、繫統地介紹了如何使用Python實現人工智能算法，並通過PyTorch框架視線人工智能算法中的深度學習內容。全書共5章，分別介紹Python的安裝和基礎知識、科學計算庫、描述性分析、經典算法和深度學習等知識.書中的每個知識點都有相應的實例和實現代碼。本書主要面向廣大從事數據分析、機器學習、數據挖掘或深度學習的專業人員，高等院校相關專業師生，以及相關領域的廣大科研人員。

於祥雨,李旭靜,邵新平 編