Python人工智能项目实战 封面

Python人工智能项目实战

暂无评分
章节数
40
丛书
智能系统与技术丛书
ISBN
9787111637905

标签

内容简介

《Python人工智能项目实战》是印度机器学习专家桑塔努·帕塔纳亚克(Santanu Pattanayak)所著《Intelligent Projects Using Python》的中文译本,由魏兰、潘婉琼、方舒翻译,机械工业出版社2019年10月出版,隶属“智能系统与技术丛书”。全书共10章,以9个贴近真实场景的AI项目为主线,演示如何把深度学习与强化学习技术组合成可运行的智能系统。 第1章集中梳理人工智能系统的基础知识,包括神经激活单元、反向传播、卷积神经网络、循环神经网络与LSTM、生成对抗网络、强化学习与Q学习、迁移学习、受限玻尔兹曼机和自编码器,为后续项目搭建技术底座。第2章以迁移学习为核心,用VGG16、InceptionV3、ResNet50等网络在眼底图像上检测糖尿病视网膜病变并判断严重程度,同时处理类别不平衡、图像增强与交叉验证等工程细节。第3章讲神经机器翻译,对比基于规则、统计式和序列到序列的编码器—解码器方案。第4章用DiscoGAN、CycleGAN实现手提包与鞋子之间的时尚风格迁移。第5章把CNN与LSTM组合起来构建视频字幕生成系统。第6章借助协同过滤与受限玻尔兹曼机搭建推荐系统。第7章用TensorFlow把电影评论情感分析模型部署为Android移动应用。第8章讨论客服聊天机器人的演进与序列到序列实现。第9章以深度强化学习训练自动驾驶小车避障;第10章转向网络安全,介绍用深度学习破解CAPTCHA以及用对抗学习生成CAPTCHA。 全书强调“动手做”,代码以TensorFlow、Keras为主,适合已具备Python基础、希望把零散算法知识串成完整项目的数据科学与机器学习从业者。

编辑推荐

这不是一本讲“AI是什么”的入门书,而是一本把深度学习、强化学习落到具体项目上的实操手册。作者桑塔努·帕塔纳亚克长期在高通从事机器学习研发,书中9个项目都取自医疗、电商、安防、移动应用、自动驾驶等真实领域,而不是玩具式的MNIST练习。 结构上也比较讨巧:第1章用20多页把CNN、RNN/LSTM、GAN、Q学习、迁移学习、受限玻尔兹曼机等概念快速过一遍,之后每一章就围绕一个完整项目展开——怎么准备数据、如何设计损失函数、选什么网络与优化器、怎样调参和做交叉验证,最后给出可跑通的训练流程。对“看完教程却不知道下一步做什么”的读者来说,这种从数据到模型的完整链路尤有价值。 覆盖面是本书的另一个长处:从眼底图像分类、神经机器翻译、GAN风格迁移,到视频字幕、推荐系统、Android端情感分析、客服机器人、深度强化学习自动驾驶,再到CAPTCHA破解与生成,几乎把AI主流应用方向各点了一遍。读者不必每个项目都做,但可以借这些题目理解不同任务背后的建模思路与工程取舍。 需要提醒的是,书中代码基于TensorFlow 1.x时代的Keras接口,直接复现可能需要调整API;同时不少项目依赖公开数据集和较大算力。把它当作“项目路线图与思路参考”而不是“逐行照抄的代码集”,收获会更大。

适合谁读

适合

  • 已掌握Python基础语法,想从零散知识走向完整项目的开发者
  • 有一定机器学习、深度学习概念,希望增加工程落地经验的数据科学从业者
  • 高校人工智能、数据科学相关课程的学生,可作为课程设计与毕业项目参考
  • 想了解AI在医疗、推荐、自动驾驶、安全等不同领域如何建模的技术管理者

不适合

  • 完全没有Python和机器学习基础的零起点读者,直接阅读会较为吃力
  • 只想学习最新PyTorch、大模型、Transformer等前沿框架与技术的读者
  • 期待可以直接复制运行、无需调试环境的读者,书中部分依赖已过时

阅读建议

  1. 先通读第1章建立技术地图,再按兴趣挑选2—3个项目精做,不必全书顺序推进。
  2. 动手前先搭好对应版本的TensorFlow/Keras环境,并阅读官方仓库或开源替代实现来对齐API。
  3. 每个项目都先跑通数据管线与基线模型,再逐步加入图像增强、调参等技巧,避免一上手就陷在细节里。
  4. 把项目当作模板迁移到自己的业务数据上,比逐行照抄代码更能掌握书中的方法论。

出版社简介

机械工业出版社 中国 · 成立于 1950 年

机械工业出版社(China Machine Press)在科技与专业出版之外,库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论,并涉及压力与健康、成瘾与疗愈等应用议题;计算机领域有《计算机程序的构造和解释(JavaScript版)》;管理与财经类包括《管理行为(原书第4版)》《不平等的代价(珍藏版)》《这次不一样:八百年金融危机史(纪念版)》;科学哲学与科学史方面则有《世界观(原书第3版)》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限,以上仅据库内图书归纳其出版面貌。

目录

  1. 译者序
  2. 前言
  3. 关于作者
  4. 关于审稿人
  5. 第1章 AI系统基础
  6. 1.1 神经网络
  7. 1.2 神经激活单元(线性、Sigmoid、双曲正切、修正线性单元、Softmax)
  8. 1.3 用反向传播训练神经网络
  9. 1.4 卷积神经网络
  10. 1.5 循环神经网络
  11. 1.6 生成对抗网络
  12. 1.7 强化学习(Q学习、深度Q学习)
  13. 1.8 迁移学习
  14. 1.9 受限玻尔兹曼机
  15. 1.10 自编码器
  16. 第2章 迁移学习
  17. 2.1 技术要求
  18. 2.2 迁移学习导论
  19. 2.3 迁移学习与糖尿病视网膜病变检测
  20. 2.4 糖尿病视网膜病变数据集
  21. 2.5 定义损失函数
  22. 2.6 处理类别不平衡
  23. 2.7 预处理图像
  24. 2.8 用仿射变换生成额外数据(旋转、平移、缩放、镜像)
  25. 2.9 网络架构(VGG16、InceptionV3、ResNet50迁移学习网络)
  26. 2.10 优化器与初始学习率
  27. 2.11 交叉验证
  28. 2.12 基于验证对数损失的模型检查点保存
  29. 2.13 训练过程的Python实现
  30. 2.14 类别分类结果
  31. 2.15 测试期间的推断
  32. 2.16 用回归代替类别分类
  33. 2.17 用Keras Sequence工具类生成数据
  34. 第3章 神经机器翻译
  35. 3.1 技术要求
  36. 3.2 基于规则的机器翻译(分析、词汇转换、生成阶段)
  37. 3.3 统计机器学习系统(语言模型、翻译模型)
  38. 3.4 神经机器翻译(编码器-解码器模型与推断)
  39. 3.5 实现序列到序列神经机器翻译
  40. 第4章 用GAN实现时尚产业中的风格迁移

常见问题

这本书的作者和原版是什么?
作者是印度机器学习专家桑塔努·帕塔纳亚克(Santanu Pattanayak),原书为Packt出版的《Intelligent Projects Using Python》,中文版由魏兰、潘婉琼、方舒翻译,机械工业出版社2019年10月出版。
书中主要使用哪些框架和库?
全书代码以Python为主,深度学习和AI部分主要使用TensorFlow与Keras,推荐系统部分涉及协同过滤和受限玻尔兹曼机,部分项目还用到Android端的TensorFlow部署。
这本书包含哪些实战项目?
共9个项目:糖尿病视网膜病变检测、神经机器翻译、GAN时尚风格迁移、视频字幕生成、智能推荐系统、电影评论情感分析移动应用、客服聊天机器人、强化学习自动驾驶避障、CAPTCHA破解与生成。
现在还能照着书中的代码跑吗?
书中代码基于TensorFlow 1.x时期的Keras接口,直接运行可能需要调整API或改用tf.keras,部分数据集链接也可能失效。建议以理解项目思路为主,配合官方或社区的开源实现来复现。
需要什么样的基础才能读懂?
需要熟悉Python编程,并对神经网络、反向传播、CNN等基本概念有所了解。第1章虽然做了快速回顾,但篇幅有限,完全零基础的读者建议先补一门深度学习入门课。

读者评论

查询本书

本站为索引目录:「全网查询」由您发起、在您的浏览器中运行,所列入口均指向第三方站点,请自行判断可用性。

同类高分