第1章 緒論 1.1 人工智能 1.2 計算機編程語言 1.3 Python編程語言 1.4 習(xí)題 第2章 Python基本語法 2.1 Python版“Hello, World”程序 2.2 變量與賦值 2.3 Python語言基本數(shù)據(jù)類型 2.4 表達式與運算符 2.5 輸入輸出與文件讀寫 2.6 習(xí)題 第3章 Python程序的控制結(jié)構(gòu) 3.1 分支結(jié)構(gòu)：if語句 3.2 循環(huán)結(jié)構(gòu)：for語句和while 語句 3.3 異常處理 3.4 函數(shù)的定義與調(diào)用 3.5 習(xí)題 第4章 Python組合數(shù)據(jù)類型 4.1 概述 4.2 列表 4.3 集合 4.4 字典 4.5 列表推導(dǎo)式 4.6 函數(shù)式編程 4.7 習(xí)題 第5章 Python面向?qū)ο缶幊?5.1 面向?qū)ο缶幊毯喗? 5.2 自定義類 5.3 屬性訪問控制 5.4 繼承：基類和子類 5.5 多態(tài)和鴨子類型 5.6 運算符重載 5.7 變量和對象的引用關(guān)系 5.8 可變對象和不可變對象 5.9 習(xí)題 第6章 Python數(shù)值計算 6.1 numpy庫簡介 6.2 numpy數(shù)組的創(chuàng)建 6.3 numpy數(shù)組的索引和切片 6.4 numpy數(shù)組的運算 6.5 numpy科學(xué)計算實踐 6.6 習(xí)題 第7章 Python數(shù)據(jù)可視化 7.1 pandas庫簡介 7.2 pandas的數(shù)據(jù)結(jié)構(gòu) 7.3 基于pandas的文件和數(shù)據(jù)操作 7.4 使用matplotlib庫進行數(shù)據(jù)可視化 7.5 使用WordCloud庫進行文本可視化 7.6 習(xí)題 第8章 人工智能概述 8.1 人工智能的基本概念 8.2 計算機視覺的發(fā)展歷史和主要進展 8.3 計算機視覺的主要應(yīng)用 8.4 習(xí)題 第9章 機器學(xué)習(xí)概述 9.1 背景與定義 9.2 機器學(xué)習(xí)的分類 9.3 機器學(xué)習(xí)模型性能的評價 9.4 習(xí)題 0章 使用Python語言實現(xiàn)機器學(xué)習(xí)模型 10.1 一元線性回歸模型 10.2 梯度下降算法 10.3 多元線性回歸模型 10.4 使用numpy實現(xiàn)線性回歸模型 10.5 邏輯斯蒂回歸 10.6 使用numpy實現(xiàn)邏輯斯蒂回歸模型 10.7 習(xí)題 1章 深度學(xué)習(xí)概述 11.1 人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò) 11.2 多層感知機與激活函數(shù) 11.3 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 11.4 習(xí)題 2章 PyTorch基礎(chǔ) 12.1 深度學(xué)習(xí)框架介紹 12.2 PyTorch的安裝 12.3 Tensor的概念和基本操作 12.4 自動求導(dǎo) 12.5 nn工具箱 12.6 使用PyTorch實現(xiàn)線性回歸和邏輯斯蒂回歸 12.7 習(xí)題 3章 計算機視覺實踐 13.1 計算機視覺概述 13.2 數(shù)字圖像 13.3 圖像的卷積運算 13.4 卷積神經(jīng)網(wǎng)絡(luò) 13.5 卷積神經(jīng)網(wǎng)絡(luò)的編程實踐 13.6 習(xí)題 4章 自然語言處理實踐 14.1 自然語言處理概述 14.2 文本表示 14.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 14.4 自然語言處理編程實踐 14.5 習(xí) 題 參考文獻