免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

入門篇
第1章全書指南31.1Python編程3
1.2數(shù)據(jù)分析5
1.3機器學習6
1.3.1任務8
1.3.2經(jīng)驗8
1.3.3表現(xiàn)9
1.4Kaggle競賽11
1.5Git代碼管理12
小結13
第2章基本環(huán)境搭建與配置14
2.1Windows下基本環(huán)境的搭建與配置14
2.1.1查看Windows的版本與原始配置14
2.1.2下載并安裝Anaconda3（Windows版本）15
2.1.3創(chuàng)建虛擬環(huán)境python_env16
2.1.4在虛擬環(huán)境python_env下安裝Jupyter Notebook17
2.2macOS下基本環(huán)境的搭建與配置18
2.2.1查看macOS的版本與原始配置18
2.2.2下載并安裝Anaconda3（macOS版本）19
2.2.3創(chuàng)建虛擬環(huán)境python_env20
2.2.4在虛擬環(huán)境python_env下安裝Jupyter Notebook21
2.3Ubuntu下基本環(huán)境的搭建與配置22
2.3.1查看Ubuntu的版本與原始配置22
2.3.2下載并安裝Anaconda3（Linux版本）23
2.3.3創(chuàng)建虛擬環(huán)境python_env23
2.3.4在虛擬環(huán)境python_env下安裝Jupyter Notebook25Python人工智能編程實踐目錄2.4Jupyter Notebook使用簡介26
2.4.1在虛擬環(huán)境python_env下啟動Jupyter Notebook26
2.4.2創(chuàng)建一個.ipynb文件27
2.4.3試運行.ipynb文件內(nèi)的Python 3程序28
2.5PyCharm使用簡介28
2.5.1安裝PyCharm29
2.5.2在虛擬環(huán)境python_env下啟動PyCharm30
2.5.3創(chuàng)建一個.py文件31
2.5.4試運行.py文件內(nèi)的Python 3程序32
小結32
基礎篇
第3章Python編程基礎353.1Python環(huán)境配置35
3.1.1基于命令行/終端的交互式編程環(huán)境35
3.1.2基于Web的交互式開發(fā)環(huán)境36
3.1.3集成式開發(fā)環(huán)境38
3.2Python基本語法39
3.2.1注釋39
3.2.2賦值40
3.2.3縮進41
3.3Python數(shù)據(jù)類型41
3.4Python數(shù)據(jù)運算44
3.5Python流程控制46
3.5.1分支語句47
3.5.2循環(huán)控制48
3.6Python函數(shù)設計49
3.7Python面向?qū)ο缶幊?9
3.8Python編程庫（包）/模塊導入51
3.9Python編程綜合實踐53
小結54
第4章Pandas數(shù)據(jù)分析55
4.1Pandas環(huán)境配置55
4.1.1使用Anaconda Navigator搭建和配置環(huán)境56
4.1.2使用conda命令搭建和配置環(huán)境57
4.2Pandas核心數(shù)據(jù)結構58
4.2.1序列58
4.2.2數(shù)據(jù)框59
4.3Pandas讀取/寫入文件數(shù)據(jù)60
4.3.1讀取/寫入CSV文件數(shù)據(jù)60
4.3.2讀取/寫入JSON文件數(shù)據(jù)62
4.3.3讀取/寫入Excel文件數(shù)據(jù)64
4.4Pandas數(shù)據(jù)分析的常用功能67
4.4.1添加數(shù)據(jù)67
4.4.2刪除數(shù)據(jù)69
4.4.3查詢/篩選數(shù)據(jù)69
4.4.4修改數(shù)據(jù)70
4.4.5數(shù)據(jù)統(tǒng)計71
4.4.6數(shù)據(jù)排序72
4.4.7函數(shù)應用73
4.5Pandas數(shù)據(jù)合并74
4.6Pandas數(shù)據(jù)清洗75
4.7Pandas數(shù)據(jù)分組與聚合77
小結78
第5章Scikit�瞝earn單機機器學習80
5.1Scikit�瞝earn環(huán)境配置81
5.1.1使用Anaconda Navigator搭建和配置環(huán)境81
5.1.2使用conda命令搭建和配置環(huán)境82
5.2Scikit�瞝earn無監(jiān)督學習83
5.2.1降維學習與可視化83
5.2.2聚類算法91
5.3Scikit�瞝earn監(jiān)督學習98
5.3.1分類預測模型98
5.3.2數(shù)值回歸模型114
5.4Scikit�瞝earn半監(jiān)督學習模型123
5.4.1自學習框架123
5.4.2標簽傳播算法126
5.5單機機器學習模型的常用優(yōu)化技巧127
5.5.1交叉驗證127
5.5.2特征工程129
5.5.3參數(shù)正則化135
5.5.4超參數(shù)尋優(yōu)139
5.5.5并行加速訓練140
小結142
進階篇
第6章PyTorch/TensorFlow/PaddlePaddle深度學習1476.1PyTorch/TensorFlow/PaddlePaddle環(huán)境配置148
6.1.1PyTorch環(huán)境配置148
6.1.2TensorFlow環(huán)境配置150
6.1.3PaddlePaddle環(huán)境配置151
6.2全連接神經(jīng)網(wǎng)絡153
6.2.1全連接神經(jīng)網(wǎng)絡的PyTorch實踐153
6.2.2全連接神經(jīng)網(wǎng)絡的TensorFlow實踐157
6.2.3全連接神經(jīng)網(wǎng)絡的PaddlePaddle實踐159
6.3卷積神經(jīng)網(wǎng)絡161
6.3.1卷積神經(jīng)網(wǎng)絡的PyTorch實踐162
6.3.2卷積神經(jīng)網(wǎng)絡的TensorFlow實踐166
6.3.3卷積神經(jīng)網(wǎng)絡的PaddlePaddle實踐168
6.4殘差神經(jīng)網(wǎng)絡171
6.4.1殘差神經(jīng)網(wǎng)絡的PyTorch實踐172
6.4.2殘差神經(jīng)網(wǎng)絡的TensorFlow實踐175
6.4.3殘差神經(jīng)網(wǎng)絡的PaddlePaddle實踐178
6.5循環(huán)神經(jīng)網(wǎng)絡181
6.5.1循環(huán)神經(jīng)網(wǎng)絡的PyTorch實踐182
6.5.2循環(huán)神經(jīng)網(wǎng)絡的TensorFlow實踐185
6.5.3循環(huán)神經(jīng)網(wǎng)絡的PaddlePaddle實踐187
6.6注意力機制190
6.6.1注意力機制的PyTorch實踐191
6.6.2注意力機制的TensorFlow實踐194
6.6.3注意力機制的PaddlePaddle實踐196
6.7自動編碼器199
6.7.1自動編碼器的PyTorch實踐200
6.7.2自動編碼器的TensorFlow實踐203
6.7.3自動編碼器的PaddlePaddle實踐206
6.8變換模型209
6.8.1變換模型的PyTorch實踐210
6.8.2變換模型的TensorFlow實踐214
6.8.3變換模型的PaddlePaddle實踐216
6.9深度學習模型的常用優(yōu)化技巧219
6.9.1隨機失活219
6.9.2批標準化228
6.9.3層標準化235
小結244
第7章PySpark分布式機器學習246
7.1PySpark環(huán)境配置248
7.1.1使用Anaconda Navigator搭建和配置環(huán)境248
7.1.2使用conda命令搭建和配置環(huán)境249
7.1.3安裝JRE250
7.2PySpark分布式數(shù)據(jù)結構251
7.2.1RDD252
7.2.2DataFrame254
7.3PySpark分布式特征工程255
7.3.1特征抽取255
7.3.2特征轉(zhuǎn)換260
7.4PySpark分布式機器學習263
7.4.1PySpark�睲L分類預測模型264
7.4.2PySpark�睲L數(shù)值回歸模型269
7.5分布式機器學習模型的常用優(yōu)化技巧273
7.5.1超參數(shù)尋優(yōu)： 留一驗證274
7.5.2超參數(shù)尋優(yōu)： 交叉驗證275
小結277
實踐篇
第8章Kaggle競賽實踐2818.1Titanic罹難乘客預測282
8.1.1數(shù)據(jù)分析282
8.1.2數(shù)據(jù)預處理284
8.1.3模型設計與尋優(yōu)285
8.1.4提交測試286
8.2Ames房產(chǎn)價格評估287
8.2.1數(shù)據(jù)分析288
8.2.2數(shù)據(jù)預處理292
8.2.3模型設計與尋優(yōu)294
8.2.4提交測試294
8.3Twitter短文本分類295
8.3.1數(shù)據(jù)分析296
8.3.2數(shù)據(jù)預處理297
8.3.3模型設計與尋優(yōu)298
8.3.4提交測試299
8.4CIFAR��100圖像識別300
8.4.1數(shù)據(jù)分析301
8.4.2數(shù)據(jù)預處理302
8.4.3模型設計與尋優(yōu)303
8.4.4提交測試305
小結306
第9章Git代碼管理308
9.1Git本地環(huán)境搭建309
9.1.1Windows下Git工具的安裝與配置309
9.1.2macOS下Git工具的安裝與配置309
9.1.3Ubuntu下Git工具的安裝與配置309
9.2Git遠程倉庫配置310
9.2.1GitHub介紹311
9.2.2GitHub遠程倉庫的創(chuàng)建與配置311
9.2.3Gitee介紹312
9.2.4Gitee遠程倉庫的創(chuàng)建與配置312
9.3Git基本指令313
9.3.1克隆倉庫313
9.3.2提交修改314
9.3.3遠程推送314
9.4Git分支管理316
9.4.1創(chuàng)建分支317
9.4.2分支合并317
9.4.3合并沖突317
9.4.4刪除分支319
9.5貢獻Git項目319
9.5.1復刻項目319
9.5.2本地克隆、修改與推送320
9.5.3發(fā)起拉取請求320
小結322
后記323