Python入门到人工智能实战

Name: Python入门到人工智能实战
ISBN: 9787301312841

吴茂贵 / 王红星 / 刘未昕 / 胡振兴北京大学出版社 · 中国2025年8月

3.2

字数: 10万字
章节数: 177
ISBN: 9787301312841

信息有误查询本书

内容简介

《Python入门到人工智能实战》是针对零基础编程学习者编写的教程。从初学者角度出发，每章以问题为导向，辅以大量的实例，详细地介绍了Python基础、机器学习，以及优选也最易学习的两个平台PyTorch和Keras。

全书共20章，包括Python安装配置、Python语言基础、流程控制语句、序列、函数、对象、文件及异常处理、数据处理和分析的重要模块（NumPy、Pandas）、机器学习基础、机器学习常用调优方法、神经网络、卷积神经网络，以及使用PyTorch、Keras实现多个人工智能实战案例等。书中所有知识都结合具体实例进行讲解，涉及的程序代码给出了详细的注释，使读者可以轻松领会。

编辑推荐

这是一本面向零基础读者的Python教程，覆盖面从语言基础一直延伸到人工智能实战。它的编排以问题为导向，每章配大量实例，代码附详细注释，降低了初学者的理解门槛。内容上先讲安装配置、语法、流程控制、序列、函数、对象、文件与异常，再进入NumPy、Pandas的数据处理，随后是机器学习基础与调优方法、神经网络与卷积神经网络，最后用PyTorch和Keras完成多个实战案例。对想一条线走完“学语言—做数据—跑模型”的读者，这种结构省去了在多本书之间切换的麻烦。需要提醒的是，全书体量较大，零基础读者不宜指望一遍读完，更适合跟着章节动手敲代码，把每章的实例跑通再前进。它定位在入门与实战之间，不深入理论推导，也不替代系统的数学与算法教材。

适合谁读

适合

零编程基础、想系统入门Python的初学者
有初步语法知识、希望补齐数据处理与机器学习链条的学习者
想用PyTorch或Keras跑通第一个AI案例的实践型读者
高校学生用作课程配套或自学练手材料

不适合

已有丰富Python与深度学习经验、寻求进阶技巧的开发者
希望深入推导机器学习数学原理的理论型读者
只想快速查阅语法、不做练习的查阅型使用者

阅读建议

按章节顺序推进，每章实例务必亲手运行一遍再进入下一章。
基础部分可快读，遇到NumPy、Pandas和实战章节时放慢并做笔记。
准备一个自己的小项目，把学到的数据处理和模型方法套用进去。
读实战案例时先遮住代码自己尝试，再对照书中实现找差距。

出版社简介

北京大学出版社中国 · 成立于 1979 年

北京大学出版社是一家综合性大学出版社，其出版方向涵盖古典文学、科学科普、社会文化、世界史、西方哲学与文化等领域。库内收录图书6031种，代表性图书包括《红楼梦》《狭义与广义相对论浅说（第15版）（附爱因斯坦关于统一场论及其他经典论文）》《几何原本》《圆锥曲线论》《东晋门阀政治》《神话哲学（上卷）》《神话哲学（下卷）》《海陆的起源》等。代表作者有曹雪芹、周汝昌、爱因斯坦、欧几里得、阿波罗尼奥斯、田余庆、谢林、先刚等。该社在古典文学与西方哲学原典译介方面形成特色，兼及科学经典与社会文化研究。因公开资料有限，此处仅依据库内图书呈现其出版方向，不作额外延伸。

版权信息
前言
第1章 Python安装配置
1.1 问题：Python能带来哪些优势？
1.2 安装Python
1.3 配置开发环境
1.4 试运行Python
1.5 后续思考
1.6 小结
第2章变量和数据类型
2.1 问题：Python是如何定义变量的？
2.2 变量
2.3 字符串
2.4 数字与运算符
2.5 数据类型转换
2.6 注释
2.7 后续思考
2.8 小结
第3章列表和元组
3.1 问题：如何存取更多数据？
3.2 列表概述
3.3 访问列表元素的方法
3.4 对列表进行增、删、改
3.5 统计分析列表
3.6 组织列表
3.7 生成列表
3.8 元组
3.9 后续思考
3.10 小结
第4章 if语句与循环语句
4.1 问题：Python中的控制语句有何特点？
4.2 if语句
4.3 循环语句
4.4 后续思考
4.5 小结
第5章字典和集合
5.1 问题：当索引不好用时怎么办？
5.2 一个简单的字典实例
5.3 创建和维护字典
5.4 遍历字典
5.5 集合
5.6 列表、元组、字典和集合的异同
5.7 迭代器和生成器
5.8 后续思考
5.9 小结
第6章函数
6.1 问题：如何实现代码共享？
6.2 创建和调用函数
6.3 传递参数
6.4 返回值
6.5 传递任意数量的参数
6.6 lambda函数
6.7 生成器函数
6.8 把函数放在模块中
6.9 后续思考
6.10 小结
第7章面向对象编程
7.1 问题：如何实现不重复造轮子？
7.2 类与实例
7.3 继承
7.4 把类放在模块中
7.5 标准库
7.6 包
7.7 实例1：使用类和包
7.8 实例2：银行ATM机系统
7.9 后续思考
7.10 小结
第8章文件与异常
8.1 问题：Python如何获取文件数据？
8.2 基本的文件操作
8.3 目录操作
8.4 异常处理
8.5 后续思考
8.6 小结
第9章 NumPy基础
9.1 问题：为什么说NumPy是打开人工智能的一把钥匙？
9.2 生成NumPy数组
9.3 获取元素
9.4 NumPy的算术运算
9.5 数组变形
9.6 通用函数
9.7 广播机制
9.8 后续思考
9.9 小结
第10章 Pandas基础
10.1 问题：Pandas有哪些优势？
10.2 Pandas数据结构
10.3 Series
10.4 DataFrame
10.5 后续思考
10.6 小结
第11章数据可视化
11.1 问题：为何选择Matplotlib？
11.2 可视化工具Matplotlib
11.3 绘制多个子图
11.4 Seaborn简介
11.5 图像处理与显示
11.6 Pyecharts简介
11.7 实例：词云图
11.8 后续思考
11.9 小结
第12章机器学习基础
12.1 问题：机器学习如何学习？
12.2 机器学习常用算法
12.3 机器学习的一般流程
12.4 机器学习常用技巧
12.5 实例1：机器学习是如何学习的？
12.6 实例2：用Scikit-Learn实现电信客户流失预测
12.7 后续思考
12.8 小结
第13章神经网络
13.1 问题：神经网络能代替传统机器学习吗？
13.2 单层神经网络
13.3 多层神经网络
13.4 输出层
13.5 损失函数
13.6 正向传播
13.7 误差反向传播
13.8 实例：用Python实现手写数字的识别
13.9 后续思考
13.10 小结
第14章用PyTorch实现神经网络
14.1 为何选择PyTorch？
14.2 安装配置
14.3 Tensor简介
14.4 autograd机制
14.5 构建神经网络的常用工具
14.6 数据处理工具
14.7 实例1：用PyTorch实现手写数字识别
14.8 实例2：用PyTorch解决回归问题
14.9 小结
第15章卷积神经网络
15.1 问题：传统神经网络有哪些不足？
15.2 卷积神经网络
15.3 实例：用PyTorch完成图像识别任务
15.4 后续思考
15.5 小结
第16章提升模型性能的几种技巧
16.1 问题：为什么有些模型尝试了很多方法仍然效果不佳？
16.2 找到合适的学习率
16.3 正则化
16.4 合理的初始化
16.5 选择合适的优化器
16.6 GPU加速
16.7 后续思考
16.8 小结
第17章 Keras入门
17.1 问题：为何选择Keras架构？
17.2 Keras简介
17.3 Keras常用概念
17.4 Keras常用层
17.5 神经网络核心组件
17.6 Keras的开发流程
17.7 实例：Keras程序的开发流程
17.8 后续思考
17.9 小结
第18章用Keras实现图像识别
18.1 实例1：用自定义模型识别手写数字
18.2 实例2：用预训练模型识别图像
18.3 后续思考
18.4 小结
第19章用Keras实现迁移学习
19.1 问题：如何发挥小数据的潜力？
19.2 迁移学习简介
19.3 迁移学习常用方法
19.4 实例：用Keras实现迁移学习
19.5 后续思考
19.6 小结
第20章用Keras实现风格迁移
20.1 问题：如何捕捉图像风格？
20.2 通道与风格
20.3 内容损失与风格损失
20.4 格拉姆矩阵简介
20.5 实例：用Kreras实现风格迁移
20.6 后续思考
20.7 小结
下载链接

常见问题

完全没学过编程，能直接看这本书吗？

可以。书中从Python安装配置和语言基础讲起，假定读者没有编程经验，实例配有详细注释。但零基础读者需要预留充足时间动手练习，跳过练习只读文字很难真正掌握，建议每章代码都亲自运行一遍。

书里的机器学习部分需要什么数学基础？

书中以应用和实例为主，不展开数学推导，具备高中数学基础通常可以跟上操作层面。若想理解模型背后的原理，仍需另行补充线性代数和概率统计知识，本书不承担这部分内容。

学完这本书能达到什么水平？

可以掌握Python基础语法与常用数据处理模块，理解机器学习基本流程和常用调优方法，并能借助PyTorch和Keras跑通书中的实战案例。这属于入门到实战的过渡水平，距离独立设计复杂模型仍有距离。

需要提前安装哪些软件环境？

书中第一章即介绍Python的安装配置，读者按该章步骤操作即可。后续涉及NumPy、Pandas、PyTorch和Keras等库，书中会说明安装与使用方式，建议跟随章节进度逐步配置，不必一开始就全部装好。

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。

作者简介

吴茂贵作者

吴茂贵，公开资料有限，其身份与履历未见权威披露，但从库内作品可以大致看出其写作方向。目前收录其作品两种，均集中在计算机与人工智能领域：《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》与《Python入门到人工智能实战》。前者面向生成式人工智能的入门读者，围绕大语言模型、扩散模型和多模态模型展开原理讲解与实践引导；后者以 Python 为起点，逐步过渡到人工智能应用。两书在题材上都强调从基础到实战的路径，语言力求通俗，适合缺乏先备知识的读者按步骤学习。可见吴茂贵的写作偏向把复杂技术拆解为可操作的入门内容，兼顾概念说明与动手练习，服务于希望进入人工智能领域的初学者。

王红星作者

王红星的公开资料有限，现有信息主要来自其署名作品。库内收录其作品四种，题材跨度较大：既有面向基层的《社区康复适宜技术》这类医学实用读物，也有《卡耐基四部曲》《卡耐基沟通的艺术与处世智慧（新版）》等励志成长类编译作品，还涉及《Python入门到人工智能实战》这样的技术入门书。从这些作品看，其写作偏向知识普及与应用指导，面向普通读者，注重可操作性，内容覆盖健康康复、人际沟通与编程入门等不同领域。由于生卒年、国籍与职业背景均不详，暂无法勾勒完整的个人经历，仅可依据上述作品了解其著述方向。

刘未昕作者

刘未昕是一位活跃于编程设计与人工智能领域的中文技术书作者，目前公开资料有限，尚不清楚其国籍、生卒年与英文名等信息。从库内收录的三部作品来看，他的写作聚焦于把技术知识转化为可操作的实践路径：《自己动手做大数据系统（第2版）》带领读者从零搭建数据系统，《数据库应用实战》着眼于数据库的实际运用，《Python入门到人工智能实战》则贯通了从语言入门到智能应用的完整链条。这些作品整体呈现出重视动手、循序渐进、面向实战的特点，适合希望边学边做的入门与进阶读者，也因此在编程与人工智能类图书中形成较为清晰的实践型写作定位。

胡振兴作者

胡振兴，中文计算机类图书作者，目前可查的公开资料有限。从库内收录的两部作品《数据库应用实战》与《Python入门到人工智能实战》来看，其写作方向集中在编程设计与人工智能两个领域，内容多面向入门与实战应用，兼顾数据库操作与Python编程，并延伸至人工智能的落地实践。书名中的“实战”“入门到”等表述，显示其行文偏重由浅入深、结合具体操作的讲解方式，适合希望快速上手并动手实践的初学者与自学者阅读。由于作者国籍、生卒年、学历与职业背景等均未见明确记载，这里不作推测；仅就现有作品而言，其选题贴合技术学习者的实际需求，在编程入门与人工智能应用类读物中具有一定的实用参考价值。