深度学习与交通大数据实战

本书通过基础理论和算法实战相结合，循序渐进地介绍了深度学习与交通大数据领域内的计算机基础知识案例和应用实战案例，并通过PyTorch框架实现所有深度学习算法及案例应用。全书共8章，分别介绍了Python基础知识、PyTorch基础知识、深度学习基础模型，以及基于深度学习的轨道交通刷卡数据、共享单车轨迹数据、出租车轨迹数据、私家车轨迹数据、空中交通运行数据五个案例实战。 本书主要面向广大从事交通大数据分析、机器学习或深度学习的专业人员，从事高等教育的专任教师，高等学校的在读学生及相关领域的广大科研人员。

张金雷，北京交通大学土建学院2017级道路与铁道工程专业博士研究生。2018至2019年国家公派至美国华盛顿大学进行博士联合培养。截止目前，共发表5篇学术论文，其中4篇SCI，主持二类研究生创新基金一项，资助金额3万元，运营个人学术公众号《当交通遇上机器学习》。曾获2019年博士研究生国家奖学金，2016至2018年研究生一等学业奖学金。曾获优秀研究生干部荣誉称号。

第1章 Python基础知识简介 1.1 Python数据类型 1.1.1 列表 1.1.2 元组 1.1.3 字符串 1.1.4 字典 1.2 Python三大语句 1.2.1 顺序语句 1.2.2 条件语句 1.2.3 循环语句 1.2.4 列表推导式 1.3 Python的函数、类和对象 1.3.1 函数 1.3.2 类和对象 1.4 Python的文件读取和写入 1.4.1 Python内置读取写入方式 1.4.2 NumPy读取和写入 1.4.3 Pandas读取和写入 1.5 Python数组包——NumPy 1.5.1 NumPy简介 1.5.2 ndarray及其基本操作 1.6 Python数据分析包——Pandas 1.6.1 Pandas简介 1.6.2 Series、DataFrame及其基本操作 1.6.3 Pandas和NumPy的异同 1.6.4 使用Pandas和NumPy实现数据的获取 1.7 Python科学计算包——SciPy 1.7.1 SciPy简介 1.7.2 拟合与优化模块 1.7.3 线性代数模块 1.7.4 统计模块 1.8 Python机器学习包——ScikitLearn 1.8.1 ScikitLearn简介 1.8.2 SVM分类 1.8.3 随机森林回归 1.8.4 Kmeans聚类 1.9 Python可视化包——Matplotlib 1.9.1 Matplotlib简介 1.9.2 Matplotlib绘图 第2章 PyTorch基础知识简介 2.1 张量模块 2.1.1 张量的数据类型 2.1.2 张量的基本操作 2.1.3 张量与NumPy数组 2.1.4 Cuda张量与CPU张量 2.2 数据模块 2.2.1 Dataset简介及用法 2.2.2 DataLoader简介及用法 2.3 网络模块 2.3.1 torch.nn函数简介