新書推薦：
《
悠游人间 赛博朋克少女插画绘制教程
》
售價：HK$
119.8
《
“李晓鹏说中华史”系列（全二册）
》
售價：HK$
175.2
《
绿色剧变：能源大革命与世界新秩序
》
售價：HK$
82.8
《
你的韧性超乎你的想象
》
售價：HK$
71.8
《
新东方 剑桥雅思官方指南精讲 精确剖析官方指南样题
》
售價：HK$
81.6
《
欧洲文明进程·贫困与社会保障卷
》
售價：HK$
198.0
《
理想国译丛030：资本之都：21世纪德里的美好与野蛮
》
售價：HK$
122.4
《
新质生产力
》
售價：HK$
81.6
|
| 內容簡介： |
本书全面地介绍了Python程序设计的核心技能，以及Python在数据分析、人工智能等领域的应用。全书共15章，分为三大部分：①Python核心技能，包括初识Python、程序设计入门、流程控制、字符串、组合数据类型、函数、文件操作7章；②数据分析技能，包括正则表达式、爬虫入门、科学计算入门之NumPy、数据分析入门之Pandas、数据可视化入门5章；③人工智能初步，包括面向对象程序设计、机器学习入门、深度学习入门3章。
本书图文并茂、示例丰富，以“任务驱动”的方式在实际应用中讲解Python的要点，并且将程序设计在线评测系统引入了教学，让读者及时评估自己的水平。本书配有丰富的学习资源，包括视频、PPT、速查表、电子教案、习题、习题解析等，读者可以登录机械工业出版社教育服务网（http：www.cmpedu.com）免费下载。
本书可以作为应用型本科计算机、人工智能、大数据相关专业的教材，也可以作为Python程序设计、数据分析、人工智能入门的培训教材，还可以作为广大程序设计爱好者的自学参考书。
|
| 目錄：
|
前言
第1章初识Python1
1.1Python语言概述1
1.1.1Python简史1
1.1.2Python 2和
Python 32
1.1.3Python的特点2
1.1.4胶水语言3
1.1.5Python的应用3
1.1.6学好Python的关键4
1.2Python语言开发环境配置5
1.2.1使用云端开发环境
Jupyter Notebook
（米筐）6
1.2.2安装一站式开发环境
Anaconda7
1.3Jupyter Notebook的使用8
1.4探索Python：乘方、阶乘和
单词统计12
1.5小结13
1.6习题13
第2章程序设计入门15
2.1计算生态与导入库和函数15
2.1.1计算生态15
2.1.2导入库和函数★16
2.2结构化程序的框架17
2.2.1程序的基本处理流程IPO17
2.2.2任务：计算圆的周长和面积18
2.3Python程序语法特点分析18
2.3.1Python的基本语法元素18
2.3.2多行语句21
2.4Python的6种核心数据类型21
2.5可变类型和不可变类型22
2.6数字类型和算术运算23
2.7程序在线评测系统及基本使用25
2.7.1程序在线评测系统26
2.7.2程序评测系统中的Hello
World：A+B问题26
2.7.3基本输入输出函数26
2.8小结29
2.9习题29
第3章流程控制32
3.1分支结构的3种形式32
3.2解释型语言的特点34
3.3for循环35
3.3.1遍历容器35
3.3.2函数range36
3.3.3多重循环：九九乘法表和水仙花数38
3.4罗塞塔石碑语言学习法39
3.5while循环和流程图41
3.6改变循环执行流程：break和continue42
3.7程序的异常处理43
3.8小结45
3.9习题46
第4章字符串49
4.1字符串的基本知识49
4.1.1字符串界定符：单引号、
双引号和三重引号49
4.1.2使用反斜杠转义49
4.1.3抑制转义使用raw50
4.2序列的索引和切片★51
4.3字符串的基本操作52
4.3.1序列操作53
4.3.2常用的字符串方法53
4.3.3匹配字符串的前缀和后缀55
4.3.4切分和合并字符串★55
4.4字符串格式化和输出语句56
4.5中文分词和jieba库57
4.6小结58
4.7习题59
第5章组合数据类型61
5.1组合数据类型：序列、集合和映射61
5.2List列表：批量处理62
5.2.1列表的常用操作62
5.2.2列表的遍历和排序64
5.2.3列表的引用和复制65
5.3tuple 元组：不可变、组合66
5.4dict字典：按键取值68
5.5set集合：去重71
5.6列表生成式★72
5.7生成器表达式和惰性求值74
5.8小结74
5.9习题75
第6章函数78
6.1认识函数78
6.2使用函数实现机器翻译80
6.3函数的参数82
6.3.1可选参数和默认值82
6.3.2位置参数传递82
6.3.3关键字参数传递83
6.3.4不定长参数83
6.4函数式编程和高阶函数85
6.5匿名函数lambda★86
6.6常用高阶函数：map、reduce和filter86
6.7递归函数88
6.8变量的作用域 LEGB原则90
6.8.1函数被调用的次数90
6.8.2斐波那契函数优化1：全局字典91
6.8.3斐波那契函数优化2：内嵌函数91
6.9小结91
6.10习题92
第7章文件操作96
7.1认识文件96
7.2文本文件及读写操作97
7.2.1读取文件全文97
7.2.2按行读取文件98
7.2.3实现文件的编码格式转换98
7.2.4使用with-as语句99
7.3处理表格数据（CSV）的3种方法100
7.4存储半结构化数据：JSON101
7.5常用文件模块os和shutil102
7.6模块和包105
7.7小结107
7.8习题107
第8章正则表达式109
8.1正则表达式简介109
8.2Python中的常用正则函数109
8.2.1正则函数初步使用110
8.2.2查找所有匹配（re.findall）111
8.2.3查找第一个匹配（re.search）112
8.2.4替换（re.sub）114
8.3RegexOne的闯关游戏115
8.3.1闯关：通配符116
8.3.2闯关：排除特定字符116
8.3.3闯关：重复次数117
8.4编译模式re.compile和匹配参数117
8.5小结118
8.6习题118
第9章爬虫入门120
9.1网络爬虫简介及基本处理流程120
9.1.1网络爬虫的概念120
9.1.2使用爬虫的风险120
9.1.3网络爬虫的基本处理流程121
9.2实战：Pandas获取中国企业500强榜单122
9.3使用requests库获取网页123
9.4使用BeautifulSoup4库解析网页124
9.4.1从节点中提取信息125
9.4.2获取节点的主要方式126
9.5实战：爬取唐诗三百首128
9.6小结131
9.7习题131
第10章科学计算入门之NumPy132
10.1科学计算和NumPy132
10.2NumPy的基本对象133
10.2.1代码向量化133
10.2.2通用函数ufunc133
10.3统计函数的应用：分析学生成绩134
10.4核心数据结构：多维数组135
10.5使用NumPy表示和处理图像137
10.6小结139
10.7习题140
第11章数据分析入门之Pandas141
11.1从Excel到Pandas：制作产品销售数据表141
11.2DataFrame的基本操作143
11.2.1查看DataFrame对象的方法和属性143
11.2.2DataFrame的基础数据结构 Series145
11.2.3列名操作：查看和修改146
11.3DataFrame的常用操作146
11.3.1设置和重置索引146
11.3.2切片148
11.3.3条件选择150
11.3.4排序150
11.4分组聚合：日常费用统计表151
11.5小结155
11.6习题155
第12章数据可视化入门157
12.1Matplotlib的基本用法157
12.1.1Python绘图基础：Matplotlib157
12.1.2实例：绘制正弦曲线157
12.1.3实例：2017年全球GDP
排名前4的国家158
12.2Matplotlib的两种接口159
12.2.1MATLAB风格接口159
12.2.2面向对象接口160
12.3使用Pandas可视化数据160
12.4简捷作图工具：seaborn162
12.5词云图164
12.5.1英文词云实例：爱丽丝梦游仙境164
12.5.2中文词云实例：《促进新一代人工智能产业发展三年行动计划》词云图166
12.6小结167
12.7习题167
第13章面向对象程序设计170
13.1认识面向对象编程170
13.1.1面向对象编程170
13.1.2面向对象的优点170
13.1.3OOP术语概述171
13.2类和对象171
13.2.1实例：采用面向过程和面向对象的程序设计处
理学生成绩171
13.2.2类的构成173
13.2.3类的专有方法173
13.2.4实例属性和类属性174
13.2.5类方法和静态方法174
13.3数据封装175
13.4继承177
13.4.1继承的优点：代码重用177
13.4.2重载方法178
13.5多态179
13.6运算符重载180
13.7小结181
13.8习题181
第14章机器学习入门183
14.1初识机器学习183
14.1.1机器学习：新的编程范式183
14.1.2入门示例：预测房屋价格184
14.1.3机器学习处理流程186
14.1.4机器学习库sklearn187
14.1.5机器学习的分类188
14.2分类实战：预测鸢尾花的类型189
14.2.1鸢尾花数据集描述189
14.2.2数据探索189
14.2.3使用kNN模型预测192
14.2.4数据集的划分：训练集、验证集、测试集193
14.2.5分类模型的评价指标194
14.2.6k折交叉验证196
14.3回归实战：预测波士顿房价197
14.3.1波士顿房价问题描述197
14.3.2获取内置数据集的基本信息198
14.3.3数据探索199
14.3.4使用线性回归模型预测201
14.3.5回归模型的评价指标202
14.4欠拟合和过拟合203
14.5机器学习常用方法简要介绍203
14.6小结205
14.7习题206
第15章深度学习入门207
15.1初识深度学习207
15.1.1深度学习的历史207
15.1.2推动深度学习的三驾马车：硬件、数据和算法208
15.1.3机器学习、深度学习
和人工智能209
15.1.4深度学习框架209
15.2神经网络实战：印第安人糖尿病诊断211
15.2.1任务描述211
15.2.2多层神经网络的实现211
15.3神经网络的基本原理214
15.3.1神经元：权重、偏差和激活函数214
15.3.2多层神经网络215
15.3.3损失函数和优化器216
15.4实战：识别手写数字217
15.4.1任务描述：MNIST手写数字217
15.4.2多层神经网络的实现218
15.4.3卷积神经网络的实现221
15.5卷积神经网络223
15.5.1图像的3个特点223
15.5.2卷积神经网络的结构224
15.5.3卷积神经网络的两个特征225
15.5.4卷积层：卷积核和特征图226
15.5.5池化层226
15.5.6全连接层227
15.6小结227
15.7习题228
参考文献230
|
| 內容試閱：
|
随着人工智能时代的来临，Python语言越来越受到程序开发人员的喜欢，因为其不仅简单易学，而且还具有丰富的第三方库。Python是通用的程序设计语言，可以用在几乎任何领域和场合。Python程序设计课程已成为数据科学、人工智能、机器学习以及相关专业的必修课程。著名数据科学网站KDnuggets的研究显示，Python已于2017年超越R语言成为数据科学领域最受欢迎的语言。
本书的特点如下：
（1）采用了“任务驱动”的编写模式，全书大部分章节紧扣任务需求展开，不堆积知识点，引导读者在任务中掌握Python的要点。
（2）采用了对比的方式帮助读者入门。对于Python的核心知识，通过与C语言的对比来帮助读者更快理解；在数据分析部分，通过Excel和Pandas的对比来掌握核心步骤。
（3）配套网站的C、C++、Python程序自动评测系统提供了大量适合初学者的程序编程练习。由于Python具有优雅的语法和强大的内置数据结构（列表和字典），因此绝大部分题目仅需3～5行代码。
（4）利用互联网资源来优化学习体验。本书介绍了在云端Jupyter Notebook（如米筐、聚宽等）中运行Python程序的方法，大大简化了Python环境的安装步骤。本书还介绍了正则表达式交互式学习网站，学生可以在网站通过闯关练习来熟练掌握正则表达式。
Python的核心内容有导入库和函数、序列的索引和切片、切分和合并字符串、列表生成式、匿名函数lambda。本书通过在目录中添加 ★ 来强调上述内容。
写一本书不容易，写一本好书更不容易，虽然编者把写一本好书作为目标，但书中难免有不足之处，恳请读者批评和指正。相关意见和建议可发至电子邮箱shenhf@siso.edu.cn。
编者
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
