三民網路書店 / 搜尋結果

本書在不涉及大量數學與編程知識的前提下，從零開始，逐步帶領讀者熟悉並掌握當下***的基於Python 3的人工智能編程工具，包括但不限於數據分析（Pandas），以及支持單機（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）機器學習的開源程序庫，等等。全書共分為4部分，分別如下。（1） 入門篇： 包括對全書核心概念的指南性介紹，以及如何在多種主流PC操作系統上（如Windows、macOS和Ubuntu）配置基本編程環境的詳細說明。（2） 基礎篇： 涵蓋了Python 3.11的編程基礎、基於Pandas 2.0的數據分析，以及使用Scikitlearn 1.3解決大量經典的單機（單核/多核）機器學習問題。（3） 進階篇： 介紹如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分別搭建多種深度學習神經網絡框架。嘗試基於PySpark 3.4的ML編程庫完成一些常見的分布式機器學習任務。（4） 實踐篇： 利用全書所講授的Python編程、數據分析，以及（單機、深度、分布式）機器學習知識，從事Kaggle多種類型的競賽實戰。同時，介紹如何使用Git工具，在Gitee與GitHub平臺上更新和維護自己的日常代碼與編程項目。綜上，本書面向所有對人工智能領域感興趣的讀者，特別適合從事數據挖掘、機器學習、計算機視覺、自然語言處理等相關技術研發和應用實踐的初學者。

本書面向所有對機器學習與資料挖掘的實踐及競賽感興趣的讀者，從零開始，以Python編程語言為基礎，在不涉及大量數學模型與複雜編程知識的前提下，逐步帶領讀者熟悉並且掌握當下最流行的機器學習、資料挖掘與自然語言處理工具，如Scikitlearn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。 全書共分4章。第1章簡介篇，介紹機器學習概念與Python編程

本書採用國際最新的先天性心臟病分類方法，收錄病種全面，除常見病多發病外，增加了少見罕見疾病，對每種疾病從定義、病理、臨床、胸部平片、CT徵象、鑒別診斷等方面進行了較為全面系統的介紹。全書以臨床實用為出發點，並包含1000餘幅臨床CT圖片，可為臨床醫學影像診斷相關醫生、研究人員、醫學生提供很好的參考和指導。

本書在不涉及大量數學模型與複雜編程知識的前提下，從零開始逐步帶領讀者熟悉並掌握當下流行的基於Python 3的數據分析，以及支持單機、深度和分布式機器學習的開源程序庫，如pandas、Scikitlearn、PyTorch、TensorFlow、PaddlePaddle、PySparkML等。全書分4部分。入門篇包括對全書核心概念的指南性介紹，以及在多種主流操作系統(Windows、macOS、Ubuntu)上配置基本編程環境的詳細說明。基礎篇涵蓋Python 3的編程基礎、基於pandas的數據分析，以及使用Scikitlearn解決大量經典的單機(單核/多核)機器學習問題。進階篇介紹如何使用PyTorch、TensorFlow、PaddlePaddle搭建多種深度學習網絡框架，以及如何基於PySpark的ML編程庫完成一些常見的分布式機器學習任務。實踐篇利用全書所講授的Python編程、數據分析、機器學習知識，幫助讀者挑戰和參與Kaggle多種類型的競賽實戰，同時介紹如何使用Git在Gitee、GitHub平臺上維護和管理日常代碼與編程項目。本書適合所有對人工智能領域，特別是機器學習、數據挖掘、自然語言處理等技術及其實踐感興趣的初學者。