信阅平台

作者简介

　　木村优志，博士，毕业后曾在ATRtrek公司和富士电机公司工作，他目前作为ConvergenceLab的技术主管从事许多AI项目，同时他也是Aidemy公司的技术顾问。

展开

目录 译者序 原书前言 本书的读者对象和阅读本书所需的必要知识 本书的构成 第1 部分 Python入门篇 第0 章开发环境的准备 001 0.1 Anaconda 的安装 002 0.1.1 Anaconda 的安装方法 002 0.1.2 虚拟环境的搭建 006 0.1.3 库的安装 008 0.1.4 Jupyter 的启动和安装 009 0.2 Google Colaboratory 的使用 012 0.3 macOS 中虚拟环境的搭建 013 第1 章运算、变量和类型 017 1.1 输出Hello world 018 1.1.1 关于Python 018 1.1.2 使用Python 输出Hello world 018 1.2 Python 的用途 019 1.3 注释的输入 020 1.4 数字和字符串 021 1.5 运算 023 1.6 变量 026 1.6.1 变量的定义 026 1.6.2 变量的命名规则 026 1.7 变量的更新 030 1.8 字符串的拼接 035 1.9 类型 037 1.10 类型的转换 040 1.11 比较运算符的转换 043 第2 章 if 条件语句 045 2.1 if 语句 046 2.2 else 语句 049 2.3 elif 语句 051 2.4 and、not、or 054 第3 章列表类型 057 3.1 列表类型① 058 3.2 列表类型② 060 3.3 list in list 062 3.4 列表的取值 064 3.5 列表的切片 066 3.6 列表元素的更新和添加 069 3.7 列表元素的删除 071 3.8 列表类型的注意要点 073 第4 章字典类型 077 4.1 什么是字典类型 078 4.2 字典的取值 080 4.3 字典的更新和添加 082 4.4 字典元素的删除 084 第5 章 while 语句 087 5.1 什么是while 语句 088 5.2 while 语句的使用 090 5.3 while+if 语句的使用 092 第6 章 for 语句 095 6.1 什么是for 语句 096 6.2 什么是break 语句 098 6.3 什么是continue 语句 100 6.4 for 语句中的索引表示 102 6.5 列表嵌套循环 104 6.6 字典类型的循环 106 第7 章函数与方法 109 7.1 函数的基础与内置函数 110 7.2 函数与方法的说明 114 7.3 字符串类型的方法 117 7.4 字符串类型的方法（format） 119 7.5 列表类型的方法（index） 121 7.6 列表类型的方法（sort） 123 7.7 定义一个函数 126 7.8 参数 128 7.9 多个参数 130 7.10 参数的默认值 132 7.11 return 134 7.12 函数的import 137 第8 章对象和类 141 8.1 对象 142 8.2 类（成员和构造方法） 144 8.3 类（方法） 147 8.4 字符串的格式化 151 第2 部分 深度学习篇 第9 章 NumPy 与数组 155 9.1 NumPy 简介 156 9.2 NumPy 的import 157 9.3 NumPy 与列表的比较 158 9.4 array 的创建 160 9.4.1 关于array 的创建 160 9.4.2 数组形状的指定方法 160 9.4.3 基于数组范围创建数组的方法 161 9.5 元素的访问 163 9.6 np.array 的属性 165 9.7 slice 167 9.8 数组特定元素的访问 169 9.9 数组的运算 171 9.10 np.array 的形状操作 173 9.11 数组的合并 177 9.12 数组的分割 179 9.13 数组的复制 180 9.14 数组的多种运算 181 9.15 广播 186 第10 章 Pandas 与DataFrame 189 10.1 Pandas 简介 190 10.2 DataFrame 的创建 193 10.3 DataFrame 的表示 195 10.4 统计量的表示 198 10.5 DataFrame 的排序（sort） 199 10.6 DataFrame 的筛选 201 10.7 特定条件的取值 205 10.8 列的添加 206 10.9 DataFrame 的运算 207 10.10 复杂的运算 211 10.11 DataFrame 的合并 213 10.12 分组 218 10.13 图表的表示 220 第11 章单层感知器 225 11.1 单层感知器简介 226 11.1.1 什么是单层感知器 226 11.1.2 关于单层感知器的学习 226 11.2 单层感知器的实际操作 230 11.2.1 NumPy 和Keras 的模块导入 230 11.2.2 学习网络定义 230 11.2.3 神经网络的输入和监督信号的设定 231 11.2.4 学习的设置与实行 231 11.2.5 学习权重的确认 233 11.2.6 学习的神经网络的输出确认 234 第12 章深度学习入门 235 12.1 深度学习简介 236 12.1.1 什么是深度学习 236 12.1.2 多层感知器的学习方法 236 12.2 CrossEntropy 239 12.3 softmax 240 12.4 SGD 241 12.5 梯度消失问题 242 12.6 深度学习的应用 244 12.7 利用全连接神经网络进行分类 246 12.8 利用全连接神经网络进行分类（CIFAR10） 249 12.9 卷积层神经网络简介 253 12.9.1 深度学习中层的种类 253 12.9.2 什么是卷积层神经网络 253 12.9.3 卷积层神经网络的计算方法 254 12.10 批量正则化 256 12.11 Global Average Pooling 257 12.12 Keras 267 12.12.1 什么是Keras 267 12.12.2 Keras 的Sequence 模型与Model API 267 12.12.3 Keras 的编程实例 268 第13 章迁移学习与NyanCheck 开发 271 13.1 迁移学习简介 272 13.2 关于NyanCheck 273 13.3 NyanCheck 应用程序的构成 274 13.3.1 样本NyanCheck 应用程序的构成 274 13.3.2 HTML 的模板 274 13.3.3 脚本的应用 276 13.3.4 服务器端的处理 277 13.3.5 猫种类识别的操作 281 13.4 数据的收集、整理和分类 284 13.4.1 猫种类的判别 284 13.4.2 图像获取的操作 286 13.5 数据的扩充及学习 294 13.5.1 模块的import 294 13.5.2 数据的学习 294 13.5.3 模型的编译 297 13.5.4 运行应用程序 302 13.6 关于Google Cloud Platform

展开