Python是人工智能開發的首選編程語言。因為Python非常接近自然語言，編程簡單直接，具有強大的AI庫，開發效率高，它能很容易地將不同的模塊連接起來，這樣開發者就不用再重復基礎工作了，像搭積木一樣可以完成大部分任務，更適合編程初學者。Python的其它優點包括可移植性、可擴展性、可嵌入性、少量代碼可以做很多事，等等。
作者寄語
進入人工智能和數據科學領域對于幾乎沒有背景的初學者來說似乎是一項艱巨的任務，尤其是對于那些沒有編程經驗的人來說，進入這個領域需要花費很長的時間。本書的目標是通過實踐練習使幾乎沒有編程經驗的人可以理解和使用人工智能。新手可以在本書中獲得有關如何創建此類系統的必要知識，這些系統能夠執行需要適應某些要求的類人智能的任務。
圖書簡介
本書是Python編程和人工智能的實用指南，包含了許多關于Python 編程、人工智能和深度學習的文章、筆記和作者職業生涯中的經驗教訓。
本書將首先向讀者介紹Python編程的各種主題和示例，以及人工智能的關鍵概念。Python的實踐介紹貫穿整本圖書，可以更好地讓讀者學習編程技能。作者由淺至深介紹概念和代碼片段，以指導初學者能按步學習的指導。深度學習和機器學習中的復雜主題將被分解為易于理解的內容和示例。在進入更高級的章節之前，作者將闡述人工智能的基礎知識，例如分類和回歸，可以為初學者打下堅實的基礎。同時，作者也會分享人工智能實踐的知識，這些知識可以幫助初學者生成自己的人工智能算法，用于強化學習、風格遷移、聊天機器人以及語音和自然語言處理。
作者介紹
Teik Toe Teoh，南洋理工大學高級講師，Teoh博士從事大數據、深度學習、網絡安全、人工智能、機器學習和軟件開發方面的研究超過 25 年。他的作品已在50多種期刊、會議論文集、書籍和書籍章節中發表。他的教育經歷包括新加坡南洋理工大學計算機工程博士學位、英國紐卡斯爾大學工商管理博士學位、新加坡國立大學法學碩士、UoL、CFA、ACCA和CIMA 法學學士和法學碩士。他在數據挖掘、定量分析、數據統計、金融、會計和法律方面擁有超過15年的經驗，并且熱衷于業務與技術之間的合作。
Zheng Rong博士擁有4年作為軟件工程師的經驗。他在數據挖掘和數據科學方面擁有3年的教學經驗，并與人合著了三篇關于機器學習和深度學習的期刊出版物。他致力于讓所有人都能輕松學習編程和技術，包括沒有學科背景的初學者們。
章節瀏覽
付費5元查看完整內容
相關內容
自然語言處理(Natural Language Processing，NLP)是計算機科學領域與人工智能領域中的一個重要方向。它研究能夠實現人與電腦之間用自然語言進行有效通信的各種理論和方法，涉及所有用計算機對自然語言進行的操作。
//www.datascienceassn.org/sites/default/files/Natural%20Language%20Processing%20with%20Python.pdf
伯德、克萊恩、洛佩爾編著的這本《Python自然語言處理》是自然語言處理領域的一本實用入門指南，旨在幫助讀者學習如何編寫程序來分析書面語言。《Python自然語言處理》基于Python編程語言以及一個名為NLTK的自然語言工具包的開源庫，但并不要求讀者有Python編程的經驗。全書共11章，按照難易程度順序編排。第1章到第3章介紹了語言處理的基礎，講述如何使用小的Python程序分析感興趣的文本信息。第4章討論結構化程序設計，以鞏固前面幾章中介紹的編程要點。第5章到第7章介紹語言處理的基本原理，包括標注、分類和信息提取等。第8章到第10章介紹了句子解析、句法結構識別和句意表達方法。第11章介紹了如何有效管理語言數據。后記部分簡要討論了NLP領域的過去和未來。
《Python自然語言處理》的實踐性很強，包括上百個實際可用的例子和分級練習。《Python自然語言處理》可供讀者用于自學，也可以作為自然語言處理或計算語言學課程的教科書，還可以作為人工智能、文本挖掘、語料庫語言學等課程的補充讀物。
付費5元查看完整內容
關于本書
Python 專業實踐介紹了一些概念，幾乎任何語言的軟件開發人員都可以使用這些概念來改進他們的工作。在學習了Python語言的基礎知識之后，這將是一本很棒的書。
目錄
內容介紹
Python專業實踐由4個部分共11章組成。第1部分和第2部分提供了簡短的例子和練習的討論。第3部分以前面幾章的內容為基礎，包含了各種練習。第4部分提供了學習更多知識的策略，以及閱讀本書后可以嘗試的建議。
第1部分，為什么它是重要的，為Python的崛起和為什么軟件設計是有價值的奠定了基礎。
- 第一章介紹了Python的一些近代史，以及為什么我喜歡開發Python程序。它接著解釋了軟件設計，為什么它很重要，以及它如何在你的日常工作中體現出來。
第2部分，設計基礎，涵蓋了支撐軟件設計和開發的高級概念。
-
第2章涵蓋了關注點分離，這是本書中其他幾個內容的基礎活動。
-
第3章解釋了抽象和封裝，向您展示了隱藏信息和為更復雜的邏輯提供更簡單的接口如何幫助您控制代碼。
-
第4章提示您考慮性能，涵蓋了不同的數據結構、方法和工具，以幫助您構建快速的程序。
-
第5章教你如何使用各種方法測試你的軟件，從單元測試到端到端測試。
第3部分“鎖定大型系統”將引導您使用所學的原則構建實際應用程序。
-
第6章介紹了你將在書中構建的應用程序，并提供了創建程序基礎的練習。
-
第7章涵蓋了可擴展性和靈活性的概念，并包括了向應用程序添加可擴展性的練習。
-
第8章幫助你理解類繼承，提供了應該在何時何地使用類繼承的建議。本文繼續介紹檢查正在構建的應用程序中的繼承的練習。
-
第9章稍退一步，介紹了一些工具和一種方法，可以防止代碼在執行過程中變得太大。
-
第10章解釋了松耦合，提供了一些最終練習來減少您正在構建的應用程序中的耦合。
第4部分，接下來是什么?給你一些建議，告訴你接下來該怎么學，學什么。
- 第11章向您展示了我如何規劃新的學習材料，如果您對深入軟件開發感興趣的話，還提供了一些可以嘗試的學習領域。
付費5元查看完整內容
如果您是用Python編程的新手，并且正在尋找可靠的介紹，那么這本書就是為您準備的。由計算機科學教師開發，在“為絕對初學者”系列叢書通過簡單的游戲創造教授編程的原則。您將獲得實際的Python編程應用程序所需的技能，并將了解如何在真實場景中使用這些技能。在整個章節中，你會發現一些代碼示例來說明所提出的概念。在每一章的結尾，你會發現一個完整的游戲，展示了這一章的關鍵思想，一章的總結，以及一系列的挑戰來測試你的新知識。當你讀完這本書的時候，你將非常精通Python，并且能夠將你所學到的基本編程原理應用到你要處理的下一種編程語言。
付費5元查看完整內容
Python
·
本書建立在基本的Python教程的基礎上，解釋了許多沒有被常規覆蓋的Python語言特性:從通過利用入口點作為微服務扮演雙重角色的可重用控制臺腳本，到使用asyncio高效地整理大量來源的數據。通過這種方式，它涵蓋了基于類型提示的linting、低開銷測試和其他自動質量檢查，以演示一個健壯的實際開發過程。
Python的一些功能強大的方面通常用一些設計的示例來描述，這些示例僅作為一個獨立示例來解釋該特性。通過遵循從原型到生產質量的真實應用程序示例的設計和構建，您不僅將看到各種功能是如何工作的，而且還將看到它們如何作為更大的系統設計過程的一部分進行集成。此外，您還將受益于一些有用的附加說明和庫建議，它們是Python會議上問答會議的主要內容，也是討論現代Python最佳實踐和技術的主要內容，以便更好地生成易于維護的清晰代碼。
高級Python開發是為已經能用Python編寫簡單程序的開發人員準備的，這些開發人員希望了解什么時候使用新的和高級語言特性是合適的，并且能夠以一種自信的方式這樣做。它對于希望升級到更高級別的開發人員和迄今為止使用過較老版本Python的非常有經驗的開發人員特別有用。
你將學習
- 理解異步編程
- 檢查開發插件架構
- 使用類型注釋
- 回顧測試技術
- 探索打包和依賴項管理
這本書是給誰的 -已經有Python經驗的中高級開發人員。
付費5元查看完整內容
前言
本書的Python代碼旨在演示第二版《計算agent的基礎》人工智能中的一些算法，其中包含并解釋了所有代碼。我們遵循了以下原則:
- 代碼應該簡單并且盡可能接近偽代碼。我們選擇了可讀性而不是效率:我們盡可能地保持漸近復雜性(除非在某些情況下，更高效的代碼是一個練習)，但沒有優化常量因素。
- 代碼應該可以工作，但它不包括所有可能的功能。缺失的部分可以用作練習。
- 我們廣泛使用列表理解、集合和字典。我們盡量不使用那些不明顯的庫是否合適的庫。這是一種學生無需在庫中進行廣泛搜索就可以編寫的代碼。
- 它是為Python 3.3及以上版本設計的。(不是Python 2)。你也可以使用最新的版本。我們使用一個簡單的方法來跟蹤代碼，使用一個方法display，它類似于print，但包含一個整數display級別。然后，用戶可以設置對應對象(或類)的最大display級別，從而控制print的細節量。我們盡量避免在代碼中添加太多的跟蹤語句。display的使用是為了使算法的未來圖形顯示成為可能。
目錄
- Python for Artificial Intelligence（基于Python的人工智能）
- Agents and Control（Agents和控制）
- Searching for Solutions（搜索解決方法）
- Reasoning with Constraints（推理與約束）
- Propositions and Inference（命題和推理）
- Planning with Certainty（確定性規劃）
- Supervised Machine Learning（有監督機器學習）
- Reasoning with Uncertainty（不確定性推理）
- Planning with Uncertainty（不確定規劃）
- Learning with Uncertainty（不確定學習）
- Multiagent Systems（多agent系統）
- Reinforcement Learning（強化學習）
- Relational Learning（關系學習）
作者介紹
David Poole，加拿大不列顛哥倫比亞大學計算機科學教授，計算智能實驗室主任。2014-2015年，他是牛津大學Leverhulme Trust客座教授。他還是加拿大人工智能學會（CAIAC）2013年終身成就獎獲得者，是國際人工智能促進協會（AAAI）和加拿大人工智能學會（CAIAC）Fellow。
Alan Mackworth，加拿大不列顛哥倫比亞大學計算機科學教授。他的研究興趣是基于約束的人工智能及其應用，被稱為約束滿足、機器人足球、混合系統和基于約束的Agent等研究領域的先驅。他是國際人工智能聯合會議（IJCAI）公司的總裁和理事，以及IJCAI執行委員會主席；同時還擔任許多編委會和程序委員會委員。他是加拿大計算機智能研究會（CSCSI）主席，還擔任國際人工智能促進協會（AAAI）主席。榮獲的獎勵包括：ITAC/NSERC杰出學術獎.Killam研究獎，《人工智能》雜志經典論文獎，CSCSI杰出服務獎，AAAI杰出服務獎，CAIAC終身成就獎等。他是AAAI和CAIAC的Fellow，加拿大前沿科學研究院和加拿大皇家學院院士。
付費5元查看完整內容
有興趣的數據科學專業人士可以通過本書學習Scikit-Learn圖書館以及機器學習的基本知識。本書結合了Anaconda Python發行版和流行的Scikit-Learn庫，演示了廣泛的有監督和無監督機器學習算法。通過用Python編寫的清晰示例，您可以在家里自己的機器上試用和試驗機器學習的原理。
所有的應用數學和編程技能需要掌握的內容，在這本書中涵蓋。不需要深入的面向對象編程知識，因為工作和完整的例子被提供和解釋。必要時，編碼示例是深入和復雜的。它們也簡潔、準確、完整，補充了介紹的機器學習概念。使用示例有助于建立必要的技能，以理解和應用復雜的機器學習算法。
對于那些在機器學習方面追求職業生涯的人來說，Scikit-Learn機器學習應用手冊是一個很好的起點。學習這本書的學生將學習基本知識，這是勝任工作的先決條件。讀者將接觸到專門為數據科學專業人員設計的蟒蛇分布，并將在流行的Scikit-Learn庫中構建技能，該庫是Python世界中許多機器學習應用程序的基礎。
你將學習
- 使用Scikit-Learn中常見的簡單和復雜數據集
- 將數據操作為向量和矩陣，以進行算法處理
- 熟悉數據科學中使用的蟒蛇分布
- 應用帶有分類器、回歸器和降維的機器學習
- 優化算法并為每個數據集找到最佳算法
- 從CSV、JSON、Numpy和panda格式加載數據并保存為這些格式
這本書是給誰的
- 有抱負的數據科學家渴望通過掌握底層的基礎知識進入機器學習領域，而這些基礎知識有時在急于提高生產力的過程中被忽略了。一些面向對象編程的知識和非常基本的線性代數應用將使學習更容易，盡管任何人都可以從這本書獲益。
付費5元查看完整內容
機器學習已經成為許多商業應用和研究項目中不可或缺的一部分，但這一領域并不僅限于擁有廣泛研究團隊的大公司。如果您使用Python，即使是初學者，這本書也會教你構建自己的機器學習解決方案的實用方法。今天，有了所有可用的數據，機器學習應用程序只受限于你的想象力。
您將學習使用Python和scikit-learn庫創建成功的機器學習應用程序所需的步驟。兩位作者安德烈亞斯?穆勒(Andreas Muller)和薩拉?圭多(Sarah Guido)關注的是使用機器學習算法的實踐層面，而不是背后的數學。熟悉NumPy和matplotlib庫將有助于您從本書獲得更多信息。
通過這本書，你會學到 :
- 機器學習的基本概念和應用
- 廣泛應用的機器學習算法的優缺點
- 如何表示機器學習處理過的數據，包括關注哪些數據方面
- 先進的模型評估和參數調整方法
- 用于鏈接模型和封裝工作流的管道概念
- 處理文本數據的方法，包括特定于文本的處理技術
- 提高機器學習和數據科學技能的建議
付費5元查看完整內容
在六個步驟中學習高級Python 3主題的基礎知識，所有這些都是為了讓您成為一個有價值的實踐者而設計的。這個更新版本的方法基于“六度分離”理論，該理論指出每個人和每件事都是最多六步之遙，并將每個主題分為兩部分: 理論概念和使用適當的Python 3包的實際實現。
您將從Python 3編程語言基礎、機器學習歷史、發展和系統開發框架開始。本文還介紹了一些關鍵的數據挖掘/分析概念，如探索性分析、特征降維、回歸、時間序列預測及其在Scikit-learn中的有效實現。您還將學習常用的模型診斷和調優技術。其中包括最優的類創建概率截止點、方差、偏差、裝袋、提升、集成投票、網格搜索、隨機搜索、貝葉斯優化和物聯網數據降噪技術。
最后，您將回顧先進的文本挖掘技術，推薦系統，神經網絡，深度學習，強化學習技術及其實現。本書中提供的所有代碼都將以iPython筆記本的形式提供，使您能夠嘗試這些示例并將其擴展到您的優勢。
你將學習
- 了解機器學習開發和框架
- 評估模型診斷和機器學習中的調優
- 檢查文本挖掘、自然語言處理(NLP)和推薦系統
- 復習強化學習和CNN
這本書是給誰看的
Python開發人員、數據工程師和機器學習工程師希望將他們的知識或職業擴展到機器學習領域。
付費5元查看完整內容
簡介：
在這本書中，從機器學習基礎開始，然后繼續學習神經網絡，深度學習，然后是卷積神經網絡。在基礎和應用的混合，在MATLAB深度學習這本書中使用MATLAB作為基礎編程語言和工具進行案例研究。
有了這本書，你將能夠解決當今現實世界中的一些大數據、智能機器人和其它復雜的數據問題。您將看到，對于現代智能數據分析和使用來說，深度學習是機器學習中多么復雜和智能的一個方面。
你將學習
- 使用MATLAB進行深度學習
- 發現神經網絡和多層神經網絡
- 處理卷積和池化層
- 使用這些層構建一個MNIST示例
作者：
Phil Kim博士是一位經驗豐富的MATLAB程序員。他還研究來自人工智能的大型數據集的算法以及機器學習。他曾在韓國航空航天研究所擔任高級研究員。在那里，他的主要任務是開發無人駕駛飛行器的自主飛行算法和機載軟件。在攻讀博士期間，他開發了一個名為“Clickey”的屏幕鍵盤程序。
付費5元查看完整內容
簡介：
科學專業人員可以通過本書學習Scikit-Learn庫以及機器學習的基礎知識。該書將Anaconda Python發行版與流行的Scikit-Learn庫結合在一起，展示了各種有監督和無監督的機器學習算法。通過Python編寫的清晰示例向讀者介紹機器學習的原理，以及相關代碼。
本書涵蓋了掌握這些內容所需的所有應用數學和編程技能。不需要深入的面向對象編程知識，因為可以提供并說明完整的示例。必要時，編碼示例很深入且很復雜。它們也簡潔，準確，完整，是對引入的機器學習概念的補充。處理示例有助于建立理解和應用復雜機器學習算法所需的技能。
本書的學生將學習作為勝任力前提的基礎知識。讀者將了解專門為數據科學專業人員設計的Python Anaconda發行版，并將在流行的Scikit-Learn庫中構建技能，該庫是Python領域許多機器學習應用程序的基礎。
本書內容包括：
- 使用Scikit-Learn通用的簡單和復雜數據集
- 將數據處理為向量和矩陣以進行算法處理
- 熟悉數據科學中使用的Anaconda發行版
- 通過分類器，回歸器和降維應用機器學習
- 調整算法并為每個數據集找到最佳算法
- 從CSV，JSON，Numpy和Pandas格式加載數據并保存
內容介紹：
這本書分為八章。 第1章介紹了機器學習，Anaconda和Scikit-Learn的主題。 第2章和第3章介紹算法分類。 第2章對簡單數據集進行分類，第3章對復雜數據集進行分類。 第4章介紹了回歸預測模型。 第5章和第6章介紹分類調整。 第5章調整簡單數據集，第6章調整復雜數據集。 第7章介紹了預測模型回歸調整。 第8章將所有知識匯總在一起，以整體方式審查和提出發現。
作者介紹：
David Paper博士是猶他州立大學管理信息系統系的教授。他寫了兩本書-商業網絡編程：Oracle的PHP面向對象編程和Python和MongoDB的數據科學基礎。他在諸如組織研究方法，ACM通訊，信息與管理，信息資源管理期刊，AIS通訊，信息技術案例與應用研究期刊以及遠程計劃等參考期刊上發表了70余篇論文。他還曾在多個編輯委員會擔任過各種職務，包括副編輯。Paper博士還曾在德州儀器（TI），DLS，Inc.和鳳凰城小型企業管理局工作。他曾為IBM，AT＆T，Octel，猶他州交通運輸部和空間動力實驗室執行過IS咨詢工作。 Paper博士的教學和研究興趣包括數據科學，機器學習，面向對象的程序設計和變更管理。
目錄：
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191