（1）深入淺出，實操性強。每一章都是以實例為主，讀者可參考源代碼，修改實例，切換數據源，就能得到自己想要的結果。目的就是讓讀者看得懂、學得會、做得出。（2）專業專注，學以致用。NumPy、Pandas、Matplotlib、scikit-learn、TensorFlow 等功能都非常豐富，通過逐一介紹每個庫的安裝及其基礎操作使讀者熟悉 Python 中庫的安裝及使用。本書專注的是基於 Python 的人工智能算法項目分析，以及在生產環境中實際用到的技術，相比大而全的書，本書能讓讀者盡快上手，然後等

●Python基礎篇
第1章關於Python與開發環境配置2
1.1Python入門2
1.2Python開發環境的配置6
新手問答14
本章小結14
第2章Python編程基礎15
2.1基礎語法15
2.2數據類型25
2.3邏輯控制語句31
2.4函數35
新手問答41
小試牛刀41
本章小結42
第3章Python編程進階43
3.1高級變量43
3.2面向對像編程57
3.3Python模塊61
3.4python神經網絡小實例65
新手問答67
小試牛刀68
本章小結68
人工智能篇
第4章人工智能簡介70
4.1人工智能概述70
4.2人工智能崛起的三大基石76
4.3深度學習的重要性86
新手問答93
本章小結94
第5章機器學習理論基礎95
5.1機器學習概述95
5.2機器學習的4個分支99
5.3評估模型指標106
5.4數據預處理、特征工程和特征學習111
5.5過擬合與欠擬合113
5.6機器學習通用工作流程116
新手問答118
小試牛刀118
本章小結120
第6章Python機器學習常用庫的應用121
6.1NumPy——基礎科學計算庫121
6.2Pandas——數據分析的利器146
6.3Matplotlib——畫出優美的圖形173
6.4scikit-learn——非常流行的Python機器學習庫188
新手問答193
小試牛刀193
本章小結194
第7章第一個機器學習項目195
7.1入門項目簡介195
7.2數據導入197
7.3數據探索199
7.4數據可視化204
7.5算法評估209
7.6預測實施212
新手問答213
小試牛刀213
本章小結214
第8章典型的機器學習算法及應用實戰215
8.1k-近鄰算法215
8.2樸素貝葉斯分類算法224
8.3支持向量機235
8.4PCA算法244
8.5k-均值算法254
新手問答262
小試牛刀263
本章小結264
第9章深度學習算法理論265
9.1深度學習基礎265
9.2神經網絡274
9.3卷積神經網絡284
9.4循環神經網絡289
新手問答299
小試牛刀300
本章小結302
第10章深度學習之TensorFlow303
10.1主流的深度學習框架303
10.2TensorFlow環境搭建307
10.3TensorFlow基本知識310
10.4TensorFlow編程準備315
10.5TensorFlow基本開發步驟342
10.6TensorFlow的可視化348
新手問答353
小試牛刀353
本章小結354
實戰案例篇
第11章人工智能識萬物356
11.1卷積神經網絡的前世今生356
11.2如何構建更深的神經網絡369
11.3神經網絡的可遷移性414
新手問答430
本章小結430
第12章人工智能知萬物431
12.1區域卷積神經網絡431
12.2快速區域卷積神經網絡433
12.3更快區域卷積神經網絡434
12.4YOLO網絡440
本章小結466
第13章人工智能繪萬物467
13.1神經藝術風格遷移468
13.2基於TensorFlow的圖像風格化實現473
新手問答478
本章小結478
參考文獻479

本書主要介紹了利用Python進行人工智能開發所需的技術、基礎設施、核心理念、實施方法與流程，以及實戰操作應用。全書共分3篇。第1篇主要講解了人工智能開發中常用的：Python編程語言相關入門知識，如Python開發環境的配置，Python編程語法、函數、變量、模塊、對像編程等，通過本篇內容的學習，可以幫助讀者鞏固Python編程的基礎；第2篇主要講解了人工智能開發相關知識的應用，包括基本概念和術語、機器學習分類、模型評估、特征工程、過擬合與欠擬合、機器學習中4個庫(NumPy、Pandas、Matplotlib、scikit-learn)的應用，以及深度學習算法、深度學習框架TensorFlow的應用；第3篇通過3個綜合案例，以神經網絡在計算機視覺問題中的重要應用為線索，介紹深度學習人工智能技術在計算機視覺任務中的實踐，包括圖像分類、圖像理解、目標檢測與定位，以及計算機視覺高級應用圖像紋等

楊柳,郭坦,魯銀芝 著