人工智能：Python實現（影印版 英文版） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 普拉提剋·喬希 著

圖書標籤:

• 人工智能
• Python
• 機器學習
• 深度學習
• 英文原版
• 影印版
• 計算機科學
• 編程
• 算法
• 數據科學

齣版社： 東南大學齣版社

ISBN：9787564173586

版次：1

商品編碼：12211247

包裝：平裝

開本：16開

齣版時間：2017-10-01

用紙：膠版紙

頁數：430

正文語種：英文

內容簡介

　　在現代世界中，所有一切都是由技術和數據所驅動。而人工智能與這個世界的關係正在變得愈加緊密。人工智能被廣泛應用於多個領域，例如搜索引擎、圖像識彆、機器人學、金融等。我們會在《人工智能：Python實現（影印版 英文版）》中探索各種現實世界的真實場景，學習各種可以用於構建人工智能應用的算法。
　　《人工智能：Python實現（影印版 英文版）》的閱讀過程中，你將學會如何就特定場景下該使用何種算法作齣明智的決定。首先我們會介紹人工智能的基本知識，從中學習利用各種數據挖掘技術開發各種構建塊的方法。你會看到如何實現不同的算法來得到佳的預期結果，理解如何將其應用於現實場景。如果你想為基於圖像、文本、股市或其他形式數據的應用程序添加上智能層，這本激動人心的人工智能書籍絕對能夠作為你的指南！

目錄

Preface
Chapter 1： Introduction to Artificial Intelligence
What is Artificial Intelligence?
Why do we need to study AI?
Applications of AI
Branches of AI
Defining intelligence using Turing Test
Making machines think like humans
Building rational agents
General Problem Solver
Solving a problem with GPS
Building an intelligent agent
Types of models
Installing Python 3
Installing on Ubuntu
Installing on Mac OS X
Installing on Windows
Installing packages
Loading data
Summary

Chapter 2： Classification and Regression Using Supervised Learning
Supervised versus unsupervised learning
What is classification?
Preprocessing data
Binarization
Mean removal
Scaling
Normalization
Label encoding
Logistic Regression classifier
Naive Bayes classifier
Confusion matrix
Support Vector Machines
Classifying income data using Support Vector Machines
What is Regression?
Building a single variable regressor
Building a multivariable regressor
Estimating housing prices using a Support Vector Regressor
Summary

Chapter 3： Predictive Analytics with Ensemble Learning
What is Ensemble Learning?
Building learning models with Ensemble Learning
What are Decision Trees?
Building a Decision Tree classifier
What are Random Forests and Extremely Random Forests?
Building Random Forest and Extremely Random Forest classifiers
Estimating the confidence measure of the predictions
Dealing with class imbalance
Finding optimal training parameters using grid search
Computing relative feature importance
Predicting traffic using Extremely Random Forest regressor
Summary

Chapter 4： Detecting Patterns with Unsupervised Learning
What is unsupervised learning?
Clustering data with K-Means algorithm
Estimating the number of clusters with Mean Shift algorithm
Estimating the quality of clustering with silhouette scores
What are Gaussian Mixture Models?
Building a classifier based on Gaussian Mixture Models
Finding subgroups in stock market using Affinity Propagation model
Segmenting the market based on shopping patterns
Summary

Chapter 5： Building Recommender Systems
Creating a training pipeline
Extracting the nearest neighbors
Building a K-Nearest Neighbors classifier
Computing similarity scores
Finding similar users using collaborative filtering
Building a movie recommendation system
Summary

Chapter 6： Logic Programming
What is logic programming?
Understanding the building blocks of logic programming
Solving problems using logic programming
Installing Python packages
Matching mathematical expressions
Validating primes
Parsing a family tree
Analyzing geography
Building a puzzle solver
Summary

Chapter 7： Heuristic Search Techniques
What is heuristic search?
Uninformed versus Informed search
Constraint Satisfaction Problems
Local search techniques
Simulated Annealing
Constructing a string using greedy search
Solving a problem with constraints
Solving the region-coloring problem
Building an 8-puzzle solver
Building a maze solver
Summary

Chapter 8： Genetic Algorithms
Understanding evolutionary and genetic algorithms
Fundamental concepts in genetic algorithms
Generating a bit pattern with predefined parameters
Visualizing the evolution
Solving the symbol regression problem
Building an intelligent robot controller
Summary

Chapter 9： Building Games With Artificial Intelligence
Using search algorithms in games
Combinatorial search
Minimax algorithm
Alpha-Beta pruning
Negamax algorithm
Installing easyAI library
Ruildina a bot to olav Last Coin Standina
Building a bot to play Tic-Tac-Toe
Building two bots to play Connect FourTM against each other
Building two bots to play Hexapawn against each other
Summary

Chapter 10： Natural Language Processing
Introduction and installation of packages
Tokenizing text data
Converting words to their base forms using stemming
Converting words to their base forms using lemmatization
Dividing text data into chunks
Extracting the frequency of terms using a Bag of Words model
Building a category predictor
Constructing a gender identifier
Building a sentiment analyzer
Topic modeling using Latent Dirichlet Allocation
Summary

Chapter 11： Probabilistic Reasoning for Sequential Data
Understanding sequential data
Handling time-series data with Pandas
Slicing time-series data
Operating on time-series data
Extracting statistics from time-series data
Generating data using Hidden Markov Models
Identifying alphabet sequences with Conditional Random Fields
Stock market analysis
Summary

Chapter 12： Building A Speech Recognizer
Working with speech signals
Visualizing audio signals
Transforming audio signals to the frequency domain
Generating audio signals
Synthesizing tones to generate music
Extracting speech features
Recognizing spoken words
Summary

Chapter 13： Object Detection and Tracking
Installing OpenCV
Frame differencing
Tracking objects using colorspaces
Object tracking using background subtraction
Building an interactive object tracker using the CAMShift algorithm
Optical flow based tracking
Face detection and tracking
Using Haar cascades for object detection
Using integral images for feature extraction
Eye detection and tracking
Summary

Chapter 14： Artificial Neural Networks
Introduction to artificial neural networks
Building a neural network
Training a neural network
Building a Perceptron based classifier
Constructing a single layer neural network
Constructing a multilayer neural network
Building a vector quantizer
Analyzing sequential data using recurrent neural networks
Visualizing characters i，！ an Optical Character Recognition database
Building an Optical Character Recognition engine
Summary

Chapter 15： Reinforcement Learning
Understanding the premise
Reinforcement learning versus supervised learning
Real world examples of reinforcement learning
Building blocks of reinforcement learning
Creating an environment
Building a learning agent
Summary

Chapter 16： Deep Learning with Convolutional Neural Networks
What are Convolutional Neural Networks?
Architecture of CNNs
Types of layers in a CNN
Building a perceptron-based linear regressor
Building an image classifier using a single layer neural network
Building an image classifier using a Convolutional Neural Network
Summary
Index

《人工智能：Python實現》（影印版 英文版）是一本引人入勝的著作，它將前沿的人工智能概念與強大的Python編程語言相結閤，為讀者提供瞭一條深入理解和實踐AI技術的清晰路徑。本書並非僅僅羅列枯燥的理論，而是通過大量貼近實際的Python代碼示例，引導讀者親手構建和實驗各種AI模型。 本書的編寫風格力求詳實而易於理解，它從基礎的AI概念入手，逐步深入到更為復雜的機器學習算法、深度學習模型以及自然語言處理等領域。對於初學者而言，它提供瞭一個堅實的起點，即使沒有深厚的數學背景，也能通過代碼實踐逐步建立起對AI核心原理的認知。對於有一定經驗的開發者而言，本書則提供瞭更多進階的技巧和前沿的實踐方法，能夠幫助他們拓展視野，掌握更強大的AI工具和技術。 深度剖析核心AI概念與算法： 本書的核心價值之一在於其對人工智能關鍵概念的深入剖析。它不僅僅是簡單介紹“什麼是人工智能”，而是通過結構化的章節安排，詳細講解瞭諸如監督學習、無監督學習、強化學習等不同的機器學習範式。對於每一種範式，本書都會深入到其背後的核心算法，例如在監督學習部分，讀者將接觸到綫性迴歸、邏輯迴歸、支持嚮量機（SVM）、決策樹、隨機森林等經典算法。本書的獨特之處在於，它不僅僅會解釋這些算法的數學原理，更重要的是，它會展示如何使用Python中的流行庫（如NumPy, SciPy, Scikit-learn）來實現這些算法，並提供詳細的代碼示例，讓讀者能夠直觀地理解算法的運作過程。 例如，在介紹綫性迴歸時，本書不會止步於給齣公式，而是會通過一個具體的預測房價的例子，展示如何用Python代碼加載數據集、預處理數據、構建綫性迴歸模型、訓練模型，並最終評估模型的性能。讀者可以跟著代碼一步步執行，理解數據如何被輸入模型，權重如何被更新，最終得到預測結果。同樣，對於支持嚮量機，本書會詳細講解核函數的作用，以及如何通過不同的核函數來解決非綫性可分問題，並提供相應的Python實現。 在無監督學習方麵，本書會重點介紹聚類算法（如K-Means, DBSCAN）和降維技術（如主成分分析PCA, t-SNE）。讀者將學會如何利用這些技術來發現數據集中的隱藏模式，例如將客戶進行分組，或者將高維數據可視化。對於降維技術，本書會深入探討其在數據預處理和可視化中的重要性，並提供相應的Python代碼示例。 強化學習部分，本書會通過經典的“馬爾可夫決策過程”（MDP）模型，嚮讀者介紹強化學習的基本框架，包括狀態、動作、奬勵和策略。然後，讀者將學習到Q-learning、SARSA等基礎的強化學習算法，並瞭解如何使用Python來實現一個簡單的強化學習代理，例如在玩一個簡單的遊戲時進行學習。 強大的Python工具鏈支持： Python作為一種通用且易於上手的編程語言，在人工智能領域占據著主導地位。本書充分利用瞭Python強大的生態係統，精選瞭一係列最常用、最有效的AI開發庫，並詳細展示瞭它們的使用方法。 NumPy與SciPy: 作為Python科學計算的基礎庫，NumPy提供瞭高效的多維數組對象和數學函數，而SciPy則構建在NumPy之上，提供瞭更廣泛的科學計算工具，包括優化、積分、插值、綫性代數、信號處理等。本書會在介紹算法原理時，頻繁地使用NumPy進行數據錶示和計算，展示如何利用其廣播機製和矢量化操作來提高代碼效率。 Scikit-learn: 這是Python中最受歡迎的機器學習庫之一，提供瞭大量易於使用的機器學習算法，涵蓋瞭分類、迴歸、聚類、降維、模型選擇和預處理等各個方麵。本書會將Scikit-learn作為實現各種機器學習算法的首選工具，並詳細介紹其API設計，讓讀者能夠快速上手，構建自己的機器學習模型。例如，讀者將學會如何使用`sklearn.model_selection`模塊進行交叉驗證，如何使用`sklearn.preprocessing`模塊進行數據標準化和歸一化，以及如何使用各種分類器和迴歸器。 Pandas: 用於數據分析和處理的強大庫，提供瞭DataFrames數據結構，使得數據清洗、轉換和分析變得更加直觀和高效。本書在數據預處理部分會大量運用Pandas，例如如何加載CSV文件，如何處理缺失值，如何進行數據篩選和聚閤。 Matplotlib與Seaborn: 用於數據可視化，能夠幫助讀者直觀地理解數據分布、模型性能和算法過程。本書會利用這些庫來繪製損失麯綫、精度麯綫、散點圖、熱力圖等，讓讀者能夠更好地分析模型和數據。 深入探索深度學習的奧秘： 隨著深度學習的崛起，本書也將其作為重點內容進行深入探討。它會從神經網絡的基本結構開始，逐步介紹各種類型的神經網絡，包括： 多層感知機（MLP）: 作為最基礎的神經網絡，本書會詳細講解其前嚮傳播和反嚮傳播算法，並用Python代碼實現一個簡單的MLP，用於解決分類問題。 捲積神經網絡（CNN）: 專門用於圖像識彆和計算機視覺任務的強大模型。本書會深入講解捲積層、池化層、全連接層等CNN的核心組件，並展示如何使用Keras或TensorFlow等深度學習框架構建和訓練CNN模型，用於圖像分類、目標檢測等任務。讀者將學習到如何處理圖像數據，如何構建有效的CNN架構，以及如何進行遷移學習。 循環神經網絡（RNN）: 適用於處理序列數據，如文本和時間序列。本書會介紹RNN的基本原理，以及其變種如長短期記憶網絡（LSTM）和門控循環單元（GRU），並展示如何使用Python實現RNN模型，用於文本生成、情感分析、機器翻譯等任務。 生成對抗網絡（GAN）: 能夠生成逼真數據的強大模型。本書會介紹GAN的基本原理，包括生成器和判彆器的對抗訓練過程，並提供相應的Python實現示例，讓讀者瞭解如何使用GAN來生成圖像或其他類型的數據。 本書在講解深度學習模型時，會強調實際操作的重要性。它會詳細指導讀者如何使用TensorFlow或PyTorch等主流深度學習框架來構建、訓練和評估這些復雜的模型。讀者將學習到如何設置計算圖、如何定義損失函數和優化器、如何進行模型調優，以及如何利用GPU加速訓練過程。 拓展至自然語言處理（NLP）與計算機視覺（CV）等應用領域： 除瞭核心的機器學習和深度學習算法，本書還將目光投嚮瞭人工智能的實際應用領域，特彆是自然語言處理（NLP）和計算機視覺（CV）。 在NLP方麵，本書會介紹文本數據的預處理技術，如分詞、詞乾提取、詞形還原等，以及常用的文本錶示方法，如詞袋模型（Bag-of-Words）、TF-IDF、詞嵌入（Word Embeddings，如Word2Vec, GloVe）等。讀者將學習如何使用NLTK、spaCy等NLP庫來處理文本數據，並瞭解如何利用機器學習和深度學習模型來解決諸如文本分類、情感分析、命名實體識彆、機器翻譯等問題。 在CV方麵，本書會深入講解圖像數據的錶示和處理，以及各種用於圖像識彆、目標檢測、圖像分割的深度學習模型。讀者將學習到如何使用OpenCV等庫來加載、處理和增強圖像，並掌握如何構建和訓練CNN模型來完成各種計算機視覺任務。 實踐驅動的學習體驗： 貫穿全書的，是對實踐的強調。本書認為，學習人工智能的最佳方式就是動手實踐。因此，每一章節都配備瞭精心設計的代碼示例，這些示例不僅僅是簡單的演示，而是能夠讓讀者直接復製、運行、修改並進行實驗。本書鼓勵讀者不僅要理解代碼，更要思考代碼背後的邏輯，嘗試不同的參數設置，觀察結果的變化，從而加深對算法和模型的理解。 此外，本書可能會包含一些小型項目或挑戰，讓讀者能夠將所學知識融會貫同，解決更具挑戰性的問題。這種“邊學邊做”的學習模式，能夠有效地提升讀者的編程能力和解決問題的能力，為他們未來從事AI相關工作打下堅實的基礎。 本書的受眾定位： 《人工智能：Python實現》（影印版 英文版）適閤廣泛的讀者群體，包括： 計算機科學專業的學生： 為他們提供紮實的人工智能理論基礎和實踐技能。 軟件工程師和數據科學傢： 幫助他們掌握最新的AI技術，並將其應用於實際項目中。 對人工智能感興趣的初學者： 提供一個係統性的學習路徑，從基礎概念到進階應用。 研究人員和學者： 為他們提供一種便捷的工具和方法來驗證AI算法和模型。 總而言之，《人工智能：Python實現》（影印版 英文版）是一本集理論深度、實踐指導和前沿技術於一體的寶貴資源。它通過Python強大的編程能力，為讀者打開瞭通往人工智能世界的大門，使讀者能夠真正地“看見”AI的運行，“觸摸”AI的原理，並最終“創造”齣屬於自己的AI應用。這本書將是任何希望深入理解和掌握人工智能技術的讀者不可或缺的伴侶。

評分☆☆☆☆☆

這本書的封麵和“影印版”的字樣，立刻勾起瞭我當年學習技術的“懷舊”情懷，也讓我看到瞭它在專業性和原汁原味上的優勢。我一直相信，要深入理解人工智能這樣的復雜領域，英文原版書籍是繞不開的。中文的翻譯在很多時候為瞭易懂，可能會犧牲掉一些精確性，尤其是在一些專業術語和算法的細節上。這本影印版，則保證瞭我能看到作者最原始的錶達，理解最純粹的技術理念。我尤其看重它“Python實現”的標簽，因為Python在AI領域的強大生命力，以及其簡潔高效的編程風格，是我學習和實踐AI的重要工具。我非常期待這本書能夠提供詳盡的Python代碼示例，幫助我理解各種AI算法的內部機製，以及如何用Python有效地構建和部署AI模型。我猜想，這本書的作者一定是一位在AI領域有著深厚造詣的專傢，他能夠以一種既嚴謹又易於理解的方式，將復雜的AI概念和技術講解清楚。我希望這本書能成為我手中不可或缺的工具書，幫助我攻剋AI學習中的難關，並在實際工作中運用這些知識。

評分☆☆☆☆☆

當我看到這本書的標題和“影印版 英文版”的標識時，我的內心就湧起瞭一股強烈的購買欲望。我一直認為，要真正理解一門技術，尤其是像人工智能這樣快速發展的領域，最好的方式就是閱讀其英文原版。中文的翻譯固然方便，但往往會在一些細微之處丟失原文的精髓，或者因為譯者個人理解的差異而産生誤導。這本書的影印版，保證瞭我能夠接觸到最純粹、最原汁原味的AI知識。我特彆看重它“Python實現”這一點，因為Python在人工智能領域的普及程度和易用性，使其成為瞭學習和實踐AI的首選語言。我期待這本書能夠帶領我深入瞭解Python在實現各種AI算法和模型方麵的具體細節，從數據預處理到模型訓練，再到結果的分析和可視化，都能夠有詳實的講解和生動的代碼示例。我設想這本書的結構會非常清晰，邏輯性很強，能夠循序漸進地引導讀者掌握AI的核心技術。我希望它能幫助我解決在學習AI過程中遇到的各種睏惑，成為我提升AI技能的重要助推器。

評分☆☆☆☆☆

這本書的包裝真的很有意思，那種影印版的質感，讓我一下子迴到瞭當年啃英文原版技術書的時光。拿到手裏的時候，就能感受到紙張的厚實和墨水的清晰，雖然是影印，但一點也不影響閱讀的舒適度。封麵設計也很有辨識度，一看就知道是講人工智能的，配色和排版都透著一股專業範兒。我迫不及待地翻開目錄，看到各種經典的人工智能主題，比如機器學習、深度學習、自然語言處理等等，每一個標題都讓我心潮澎湃。我之前也看過一些國內齣版的人工智能書籍，但總覺得少瞭點什麼，可能是原汁原味的錶達方式，也可能是作者本身就是在這個領域前沿的探索者。這次入手這本英文原版，就是希望能從源頭汲取知識，更深入地理解AI的核心概念和最新發展。我尤其期待它在Python實現上的具體代碼示例，因為理論知識固然重要，但隻有通過實際的代碼操作，纔能真正掌握和應用這些技術。而且，英文原版在術語的翻譯上，往往比國內的譯本更準確，也更貼閤學術界和工業界的習慣用法，這對於初學者來說，能夠建立一個非常紮實的基礎。

評分☆☆☆☆☆

這本書的封麵設計雖然簡潔，卻透露齣一種沉甸甸的學術氣息。我之所以選擇這本英文影印版，主要是因為我對人工智能在Python中的實現方式一直抱有濃厚的興趣。我之前也讀過一些中文的AI書籍，但總覺得在理解一些核心概念的時候，總會有些障礙，可能是翻譯上的偏差，也可能是文化背景的差異。英文原版，特彆是這種影印版的，更能讓我直接接觸到作者最原始的思想和錶達。我設想這本書會從基礎的Python數據結構和算法講起，然後逐步深入到各種機器學習模型，比如支持嚮量機、決策樹、神經網絡等等。我非常期待它在具體代碼實現上的細節，希望能夠看到作者是如何用Python來構建這些模型，如何進行數據預處理、特徵工程，以及模型訓練和評估的。而且，我猜想這本書可能會包含一些前沿的AI技術，比如深度學習的各種網絡結構，以及一些自然語言處理或計算機視覺的應用案例。對我來說，這不僅僅是一本書，更是一次與頂尖AI思想的對話，希望能通過它，打開我學習AI的新視野，獲得更深刻的理解和更強大的實踐能力。

評分☆☆☆☆☆

這本書就像一個寶藏，等待我去一點一點地挖掘。雖然我是個有一定AI基礎的從業者，但每次接觸到新的技術或者新的框架，總會有一種“隔靴搔癢”的感覺，總覺得離最核心的東西還有一步之遙。這次選擇這本影印英文版，正是衝著它可能會帶來的深度和廣度。我曾經在網上搜索過一些關於Python實現AI的書籍，但大部分內容都比較淺顯，要麼是教你如何調用某個庫完成一個簡單的任務，要麼就是對理論概念的堆砌，缺乏係統性和深入的講解。這本書的英文原版，我希望它能提供一條清晰的學習路徑，從基礎的算法原理，到復雜的模型構建，再到實際的應用場景，都能夠有所覆蓋。我特彆關注它在Python實現方麵的具體細節，比如各種算法的數學推導，以及如何用Python代碼高效地實現它們。我猜想，這本書的作者應該是一位在AI領域有著深厚積纍的專傢，他能用清晰的邏輯和豐富的經驗，將復雜的概念娓娓道來。而且，影印版通常意味著內容的嚴謹和未經大改，這對於我來說，就是質量的保證。我期待著它能成為我職業生涯中的一本重要參考書，幫助我不斷提升自己的技術水平。

評分☆☆☆☆☆

影印版的，對著電子辭典慢慢弄吧

評分☆☆☆☆☆

G ooooooooo d .....

評分☆☆☆☆☆

G ooooooooo d .....

評分☆☆☆☆☆

比較好的書 很早之前就想買

評分☆☆☆☆☆

好好學習，天天嚮上！

評分☆☆☆☆☆

整個京豆瞭。不知道好不好

評分☆☆☆☆☆

不錯的書

評分☆☆☆☆☆

具體操作與應用的，不講原理，英文版。

評分☆☆☆☆☆

書不錯，比較滿意，挺好的。