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