0人評分過此書
Python＋TensorFlow人工智慧、機器學習、大數據：超炫專案與完全實戰
內容簡介:【聯合推薦】嘉義基督教醫院 兒童醫學部兒童腎臟科主任、嘉基創新育成中心主任 周信旭醫師Eco-City智慧生活科技區域整合中心執行長、國立交通大學土木工程系 曾仁杰教授台北榮民總醫院 關艾琛醫師【嚴選經典】美國矽谷創業家/全球科技大廠與業界指定工研院顧問講師之Python TensorFlow 人工智慧機器學習入門鉅作!本書為作者柯博文老師在各大企業教授Python、機器學習、人工智慧的課程內容匯集而成。歷經業界頂尖工程師的學員多次的考驗，實戰多年後才匯集成冊。內容包含：Python、機器學習、人工智慧、TensorFlow、Keras、OpenCV等相關API的使用方法。本書針對Python人工智慧和數機器學習有興趣的程式開發者，由淺到深，分為三階段介紹：◎以豐富的範例淺而易懂的解說Python程式語言，並加入詳細的程式註解，使讀者瞭解每個程式的動作。◎介紹業界統計分析相關的機器學習資料分析程式，並大量使用業界數據，進行分析和預測。◎使用Tensorflow.Keras實踐人工智慧，以MLP類神經的原理和案例，並且讓讀者瞭解如何修改程式，才能達到百分百的準確率的目標，並用CNN的手寫辨識方法，結合OpenCV達到學習人工智慧，並且實際應用在生活中。
-
1 Python 程式語言
-
1.1 Python 程式語言的介紹
-
1.2 Python 歷史
-
1.3 Python 版本
-
-
2 Python 程式語言安裝
-
2.1 Windows 作業系統的Python 安裝
-
2.2 在Windows 測試與執行Python
-
2.3 Mac 作業系統的Python 安裝
-
2.4 在Mac 測試與執行Python
-
2.5 樹莓派和Linux 的Python 安裝
-
2.6 在Linux 或樹莓派測試與執行Python
-
-
3 開發程式和工具
-
3.1 我的第一個Python 程式－Windows 版
-
3.2 我的第一個Python 程式－Mac、Linux 和樹莓派版
-
3.3 開發和除錯工具－PyCharm 下載和安裝
-
3.4 PyCharm 工具介紹
-
3.5 建立專案
-
3.6 除錯
-
3.7 安裝其他的Packages 函式庫
-
3.8 安裝Anaconda
-
3.9 使用Anaconda
-
3.10 Pip 安裝套件
-
3.11 本書需要安裝的第三方函式庫列表
-
-
4 Python 程式基礎
-
4.1 Python 注解
-
4.2 Python 資料型態
-
4.3 Python 數學計算
-
4.4 Python 列印
-
4.5 PytIf.else 條件判斷語句－條件執行（conditional）
-
4.6 Array 陣列－List
-
4.7 range 範圍
-
4.8 for 迴圈
-
4.9 UTF8 中文文字編碼和文字輸入
-
4.10 while 迴圈語法
-
-
5 函數和物件導向OOP
-
5.1 開發函數def
-
5.2 import 匯入和開發
-
5.3 類別class
-
5.4 類別class 初始化定義值
-
5.5 類別中的函數方法Method
-
5.6 類別中的「屬性」Property
-
5.7 類別中的呼叫其他的函數方法Method
-
5.8 設定公開、私有的類別函數方法
-
5.9 把類別獨立成另一個檔案
-
5.10 繼承－OOP 物件導向
-
5.11 多重繼承
-
5.12 呼叫父類類別函數super
-
5.13 呼叫父類的「屬性」Property
-
-
6 視窗處理GUI Tkinter
-
6.1 視窗 GUI 函式庫
-
6.2 視窗
-
6.3 文字 Label
-
6.4 顯示圖片Image
-
6.5 按鍵
-
6.6 訊息視窗tkMessageBox
-
6.7 輸入框Entry
-
6.8 繪圖Canvas
-
-
7 資料定義Containers
-
7.1 List 陣列
-
7.2 List 陣列資料的多樣性
-
7.3 List 的數學處理
-
7.4 Slicing 切割
-
7.5 Dictionaries 字典
-
7.6 Sets 序列集集合比較（交集、聯集、差集）
-
7.7 Tuples 序列
-
-
8 圖表函式庫matplotlib.pylib
-
8.1 圖表函式庫Matplotlib 介紹
-
8.2 畫線
-
8.3 畫點
-
8.4 畫面切割
-
8.5 顯示圖片
-
8.6 顯示圖表在視窗程式中
-
-
9 檔案處理和Open Data 開放資料
-
9.1 開放資料介紹
-
9.2 儲存檔案
-
9.3 檔案複製、刪除和列出所有檔案
-
9.4 資料夾
-
9.5 讀取Excel xls 格式－阿靈頓縣裡面所有學校
-
9.6 讀取、處理和儲存CSV－氣象風暴資料
-
-
10 網路
-
10.1 超文本傳輸協定HTTP Get
-
10.2 透過網路取得即時開放資料－即時「今日氣象資訊」
-
10.3 超文本傳輸協定HTTPPost
-
10.4 可延伸標記式語言XML
-
10.5 開放資料 XML－取得台北市社會福利中心
-
10.6 JSON
-
10.7 開放資料 JSON－顯示桃園公共自行車即時服務資料
-
-
11 資料庫
-
11.1 下載和安裝MYSQL 資料庫
-
11.2 新增資料庫使用者－Add User
-
11.3 新增資料庫－Add database
-
11.4 開啟資料庫－MySQL－python 和 pymysql
-
11.5 新增資料庫資料－insert
-
11.6 取得資料－select
-
11.7 刪除和修改資料庫資料－delete 和update
-
-
12 自然語言處理－文字、語意分析和繁簡體的轉換
-
12.1 繁體中文和簡體中文的互換－OpenCC
-
12.2 中文分詞斷詞工具－jieba
-
12.3 分析檔案的文字
-
12.4 自訂分詞
-
12.5 取出斷詞位置
-
12.6 移除用詞和自訂比重分數
-
12.7 排列出最常出現的分詞
-
12.8 網路文章的重點
-
-
13 人工智慧標記語言AIML
-
13.1 人工智能記號語言AIML 介紹
-
13.2 中文機器人
-
13.3 AIML 語法教學1－隨機對話
-
13.4 AIML 語法教學2－變數
-
-
14 網頁伺服器
-
14.1 Python 網頁伺服器
-
14.2 開發自己的網頁伺服器
-
14.3 顯示HTTP 內容
-
14.4 取得HTTP GET 所傳遞的資料
-
14.5 取得HTTP POST 所傳遞的資料
-
-
15 網路爬蟲BeautifulSoup4
-
15.1 網路爬蟲－取得網路文章內容
-
15.2 BeautifulSoup 的函數和屬性
-
15.3 實戰案例－抓取作者的部落格文章
-
15.4 實戰練習
-
-
16 Pandas 數據分析和量化投資
-
16.1 安裝
-
16.2 使用pandas 讀取和儲存Excel 的檔案
-
16.3 使用pandas 讀取和儲存CSV 的文字檔案
-
16.4 讀取網路上的表格
-
16.5 DataFrame
-
16.6 計算
-
16.7 實戰分析Apple 股價
-
16.8 統計相關計算
-
16.9 邏輯判斷－找出股價高點
-
16.10 計算股價浮動和每月的變化
-
16.11 畫出股票的走勢圖和盒鬚圖
-
-
17 Numpy 矩陣運算數學函數函式庫
-
17.1 矩陣資料初始化
-
17.2 定義資料
-
17.3 資料對應
-
17.4 切割
-
17.5 整數數組索引
-
17.6 資料型態Datatypes
-
17.7 計算
-
17.8 統計
-
17.9 邏輯判斷
-
17.10 不同大小的矩陣相加
-
-
18 執行檔包裝程式Pyinstaller
-
18.1 pyinstaller 功能介紹和安裝
-
18.2 pyinstaller 包裝執行檔的步驟
-
-
19 機器學習演算法－Regression 迴歸分析
-
19.1 資料準備
-
19.2 機器學習的資料準備
-
19.3 迴歸分析數學介紹
-
19.4 迴歸分析繪圖
-
19.5 亂數數據
-
19.6 殘差residual
-
19.7 使用scikit-learn 的linear_model 函數求線性迴歸
-
19.8 實戰案例－動物大腦和身體的關係
-
19.9 實戰案例－糖尿病
-
-
20 機器學習演算法－KNN 最近鄰居法
-
20.1 KNN 數學介紹
-
20.2 使用sklearn 的KNN 判斷水果種類
-
20.3 實戰案例－鳶尾花的種類判斷
-
-
21 機器學習演算法－K-means 平均演算法
-
21.1 k-means 數學介紹
-
21.2 sklearn 的K-means 類別
-
21.3 K-means 實戰案例
-
21.4 K-means 實戰案例圖形化呈現結果
-
-
22 機器學習演算法－Decision Tree 決策樹演算法
-
22.1 決策樹數學介紹－Gini 基尼係數
-
22.2 sklearn 的DecisionTreeClassifier 決策樹
-
22.3 決策樹圖形化呈現結果
-
-
23 機器學習演算法Random Forest 隨機森林演算法
-
23.1 數學介紹
-
23.2 隨機森林函數
-
23.3 隨機森林圖形化和數據庫產生器
-
-
24 機器學習演算法－Bayes' theorem 貝氏分類器
-
24.1 貝氏分類器數學介紹
-
24.2 Bayes 實戰案例
-
24.3 圖形化呈現
-
24.4 網格numpy.meshgrid
-
24.5 圈選出分類的範圍
-
-
25 TensorFlow 介紹和安裝
-
25.1 tensorflow 介紹
-
25.2 安裝TensorFlow
-
25.3 TensorFlow 測試
-
25.4 Tensorflow GPU 版
-
-
26 TensorFlow 的類神經網路－MLP 快速上手
-
26.1 產生訓練資料和建立模型
-
26.2 編譯和訓練
-
26.3 測試和預測
-
-
27 TensorFlow 改善類神經模型MLP 結果
-
27.1 模型model 不同的寫法
-
27.2 TensorFlow 與Keras 函式庫的關係和差異
-
27.3 One-hot Encoding 單熱編碼
-
27.4 處理多個特徵值
-
27.5 改善預測結果－深度學習訓練次數epochs
-
27.6 改善預測結果－增加神經元和隱藏層
-
27.7 改善訓練結果－增加訓練數據集
-
27.8 如何達到預測 100％ 正確？
-
-
28 TensorFlow 花的辨識－MLP
-
28.1 植物辨識數據庫－訓練和測試的資料
-
28.2 多層感知器模型MLP （multilayer perceptron）
-
28.3 使用TensorFlow.keras 建立模型
-
28.4 激勵函數ReLU、sigmoid 和tanh
-
28.5 訓練模型
-
28.6 深度學習最佳化－最短路徑演算法
-
28.7 訓練循環Fit
-
-
29 TensorFlow 存取模型和訓練結果
-
29.1 圖形顯示訓練過程
-
29.2 TensorBoard 的使用
-
29.3 保存模型和訓練後的結果
-
29.4 讀取使用訓練模型和訓練後的結果
-
-
30 TensorFlow 實戰圖形和手寫辨識MLP
-
30.1 手寫資料MNIST
-
30.2 下載和使用MNIST 手寫資料
-
30.3 使用圖形顯示MNIST 內的資料
-
30.4 圖形文字的辨識原理
-
30.5 特徵值增強度和單熱編碼
-
30.6 使用多層類神經MLP 模型
-
-
31 TensorFlow 卷積神經網路CNN
-
31.1 什麼是卷積類神經（CNN）？
-
31.2 使用CNN 做手寫圖像辨識
-
31.3 CNN 手寫辨識達到 99% 的辨識率
-
-
32 OpenCV 和TensorFlow 卷積神經網路CNN 即時辨識
-
32.1 OpenCV 介紹
-
32.2 OpenCV 安裝和環境架設
-
32.3 OpenCV 顯示圖片
-
32.4 OpenCV 顯示攝影機
-
32.5 OpenCV 手寫程式
-
32.6 即時手寫辨識APP－99% 的正確率
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
