人工智能入门——常用工具

工欲善其事，必先利其器。要想学好人工智能，怎能没有实用的工具？这是一本轻松、可读性强的图书。它基于Python语言，形象地讲解了人工智能中常用的工具，帮助读者迅速掌握其用法和技巧。
本书分为4个单元，包括Python语法精讲、数据预处理和可视化、机器学习以及深度学习，涵盖了Python、pandas、Matplotlib、Seaborn,scikit-learn、TensorFlow、Keras这7种主流工具。不同于传统的图书，本书从案例出发，围绕着人工智能的典型场景，以提出问题、定义问题、解决问题、专家讲解的流程来组织内容，然后展示各种工具的适用场景、关键用法和应用技巧。
本书适合所有有兴趣了解人工智能的读者，也适合在校学生、IT从业人员和科研工作者阅读。

张晓明，网名大圣，国内早期的竞价搜索工程师，曾就职雅虎、阿里巴巴、中国移动等大型互联网公司，担任过数据专家、技术总监等职务，服务过广告、电商、移动运营商、互联网金融等行业，有15年以上的数据挖掘、机器学习一线工程经验。现为自由职业者、独立咨询顾问、独立讲师。

第1章Python语法要素1
1.1用模块组织代码1
1.2模块的两种使用方式2
1.3编程的语法要素4
1.3.1变量4
1.3.2变量的数据类型和运算5
1.4代码实战1：计算二维空间两个点的距离6
1.5数据结构7
1.5.1列表9
1.5.2字典10
1.6代码实战2：计算三维空间中两个点的距离11
第2章语法结构13
2.1分支结构13
2.2循环结构14
2.2.1退出循环15
2.2.2else16
2.3代码实战：计算高维空间两个点的距离16
第3章函数和类18
3.1函数18
3.1.1定义函数18
3.1.2代码实战：距离函数19
3.2类和对象20
3.3类和继承22
3.4小结24
第4章走进机器学习25
4.1不要关心概念26
4.2数据建模27
4.2.1用数学公式建模27
4.2.2用概率建模28
4.3机器学习的功能30
4.3.1什么是分类问题30
4.3.2什么是回归问题32
4.3.3什么是聚类问题34
4.4小结36
第5章如何获取数据37
5.1代码实战1：获得鸢尾花数据集37
5.2专家解读39
5.3代码实战2：获得新闻数据集40
5.4专家解读41
5.5代码实战3：生成不均衡数据集41
5.6专家解读42
5.7小结44
第6章读取外部数据45
6.1代码实战1：从文件读取数据45
6.2专家解读46
6.2.1对时间的处理47
6.2.2大文件迭代47
6.2.3CSV文件的写操作48
6.3libsvm格式文件的读写49
6.4专家解读50
6.5代码实战2：从MySQL读取数据51
第7章数据可视化探索53
7.1作者建议53
7.2代码实战1：观察分布54
7.3代码实战2：观察变量间关系59
7.4小结63
第8章数据清洗65
8.1代码实战1：特征类型校准65
8.2代码实战2：数据分布可视化67
8.3代码实战3：处理缺失值69
8.4代码实战4：经验法则和异常值处理72
8.5代码实战5：方差分析和变量筛选75
第9章如何做回归79
9.1代码实战1：经典回归79
9.2专家解读82
9.3代码实战2：多元线性回归84
9.4专家解读86
9.5代码实战3：岭回归86
9.6专家解读87
9.7代码实战4：Lasso回归88
9.8专家解读89
9.9代码实战5：KDE回归90
9.10专家解读93
9.11小结95
第10章支持向量机和图像分类96
10.1代码实战1：支持向量机和图像识别96
10.2专家解读101
10.3代码实战2：核技巧104
10.4代码实战3：软间隔vs硬间隔108
10.5小结109
第11章模型评估和优化110
11.1代码实战1：如何评估模型的分数111
11.2专家解读112
11.3代码实战2：绘制ROC曲线114
11.4专家解读117
11.5代码实战3：使用交叉验证对模型评分118
11.6小结121
第12章神经网络和深度学习122
12.1神经网络122
12.1.1M-P神经元模型124
12.1.2前馈神经网络124
12.2卷积神经网络125
12.2.1CNN的典型结构示意126
12.2.2卷积层127
12.2.3ReLU层128
12.2.4池化层129
12.2.5全连接层129
12.3BP算法129
12.4盘点有名的CNN架构130
第13章深度学习的硬件和软件133
13.1为什么是GPU133
13.1.1GPU和矩阵运算134
13.1.2CUDA135
13.2深度学习框架136
13.2.1框架的意义137
13.2.2各种框架盘点138
13.2.3什么是Keras139
13.3小结142
第14章TensorFlow入门143
14.1初识143
14.2专家解读144
14.3代码实战：线性回归148
14.4小结152
第15章Keras入门推荐阅读153
15.1代码实战1：用Keras做线性回归模型154
15.2专家解读157
15.2.1序列模型和函数式模型的区别158
15.2.2激活层的简写159
15.2.3Keras的scikit-learn接口160
15.3代码实战2：手写数字识别161
15.4专家解读168
15.5小结172
第16章识别交通标志174
16.1认识数据174
16.2从图片文件到张量176
16.3搭建网络模型181
16.4训练模型183
16.5图像增强改进187
16.6小结191
第17章站在巨人的肩膀上193
17.1代码实战1：用VGG16做图像识别194
17.2代码实战2：特征提取196
17.3代码实战3：迁移学习197
17.4经典网络通览203
17.4.1VGG16204
17.4.2GoogLeNet(Inception)207
17.4.3ResNet211
17.5小结214
附录工作环境搭建说明215