深度学习(从零基础快速入门到项目实践)/跟我一起学人工智能

本书从Python基础入手 ，循序渐进地讲解机器学习 、深度学习等领域的算法原 理和代码实现，在学习算法 理论的同时也使读者的代码 工程能力逐步提高。 本书共6章，第1章从零 基础介绍Python基础语法、 Python数据处理库NumPy 、Pandas、Matplotlib、 OpenCV的使用；第2章主要 介绍机器学习算法的原理并 配有代码实例，方便在理解 原理的同时也能写出代码； 第3章主要介绍深度学习框 架TensorFlow Keras、 PyTorch的API和网络模型的 搭建方法，力保读者能够掌 握主流深度学习框架的使用 ；第4章主要介绍卷积神经 网络各种卷积的特性，并通 过代码实现了多个经典分类 网络；第5章介绍目标检测 领域中的多个经典算法的原 理，并配套展现了代码调试 的过程，将算法原理与代码 进行结合，方便读者更深入 地理解算法原理；第6章分 享深度学习项目的分析和实 现过程。 本书精心设计的算法原 理讲解、代码实现，不仅适 合对深度学习感兴趣的初学 者，同时对高校学生、教师 、相关技术人员、研究人员 及从事深度学习的工程师都 有较高的参考价值。

文青山Qwen，智谷一川公司高级讲师，智谷集团研发总监，高级软件测试项目经理，自动化测试框架专家。从事IoT、人工智能等领域测试开发十余年，拥有丰富的团队项目管理经验，曾主导过CMMI3以及IOS9001质量体系认证。涉足Python开发、AI测试平台开发等技术攻关，擅长为企业建立业务测试、测试开发、性能自动化线的标准，多次负责千万级至亿级月活项目的质量保障工作，能独立编写多端代码，擅长跨领域作战。

第1章 Python编程基础 1.1 环境搭建 1.2 基础数据类型 1.2.1 数值型 1.2.2 字符串 1.2.3 元组 1.2.4 列表 1.2.5 字典 1.2.6 集合 1.2.7 数据类型的转换 1.3 条件语句 1.4 循环语句 1.5 函数 1.6 类 1.7 文件处理 1.8 异常处理 1.9 模块与包 1.10 包的管理 1.11 NumPy简介 1.11.1 NDArray的创建 1.11.2 NDArray索引与切片 1.11.3 NDArray常用运算函数 1.11.4 NDArray广播机制 1.12 Pandas简介 1.12.1 Pandas对象的创建 1.12.2 Pandas的索引与切片 1.12.3 Pandas常用统计函数 1.12.4 Pandas文件操作 1.13 Matplotlib简介 1.13.1 Matplotlib基本使用流程 1.13.2 Matplotlib绘直方图、饼图等 1.13.3 Matplotlib绘三维图像 1.14 OpenCV简介 1.14.1 图片的读取和存储 1.14.2 画矩形、圆形等 1.14.3 在图中增加文字 1.14.4 读取视频或摄像头中的图像 第2章 机器学习基础 2.1 HelloWorld之KNN算法 2.1.1 KNN算法原理 2.1.2 KNN算法代码实现 2.2 梯度下降 2.2.1 什么是梯度下降 2.2.2 梯度下降的代码实现 2.2.3 SGD、BGD和MBGD 2.2.4 Momentum优化算法 2.2.5 NAG优化算法 2.2.6 AdaGrad优化算法 2.2.7 RMSProp优化算法 2.2.8 AdaDelta优化算法 2.2.9 Adam优化算法 2.2.10 学习率的衰减 2.3 线性回归 2.3.1 梯度下降求解线性回归 2.3.2 梯度下降求解多元线性回归 2.4 逻辑回归 2.4.1 最大似然估计 2.4.2 梯度下降求解逻辑回归 …… 第3章 深度学习框架 第4章 卷积神经网络 第5章 目标检测 第6章 项日实战 参考文献