人工智能极简编程入门 基于PythonPDF电子书下载

第1篇 语法篇 2

第1章 零基础入门AI解决方案 2

1.1 AI极简史（选修） 2

1.2 AI极简介 3

1.2.1 认识颜色：表征学习与深度学习 3

1.2.2 该往哪边旋转：决策科学 4

1.2.3 转起来：控制论 5

1.2.4 自动驾驶与AI三大领域 5

1.2.5 有关AI三大领域的解释说明 6

1.3 史上最轻松的入门AI完整解决方案 6

1.3.1 兴趣模块 7

1.3.2 入门AI所需基础模块 9

1.3.3 入门模块及其他 11

1.4 入门好资源 12

1.4.1 慕课（MOOC） 12

1.4.2 框架 13

1.4.3 社区 13

1.4.4 数据集 14

1.4.5 论文 14

1.4.6 公司 15

1.5 学习新主张（最重点） 15

1.5.1 什么是“体验” 16

1.5.2 什么是“最简” 17

1.5.3 “最简体验”主张 18

1.6 如何使用本书（纯小白请重点阅读） 19

1.6.1 高效学习本书的首要原则 19

1.6.2 什么是“要点” 19

1.6.3 对纯零基础学习者的建议 20

1.6.4 使用本书GitHub提高学习效率（敲黑板级别的重点） 20

1.7 网络词汇简写与昵称 24

1.8 小结 26

第2章 环境搭建 27

2.1 最简体验Jupyter Notebook 27

2.1.1 手机上最简体验Jupyter 28

2.1.2 计算机上最简体验Jupyter 29

2.1.3 Notebook中运行Python代码 30

2.1.4 Notebook的最基本概念Cell 31

2.1.5 移动Cell 32

2.1.6 揭秘HelloWorld Cell 34

2.1.7 为啥要用Jupyter Notebook（选修） 34

2.1.8 Notebook服务与社区文化（选修） 35

2.1.9 Jupyter与MyBinder（选修） 36

2.2 Azure Notebook简介 37

2.3 Google Colaboratory简介 39

2.4 Windows下安装Anaconda 42

2.5 Linux下安装Anaconda 43

2.6 Mac下安装Anaconda 47

2.7 本地启动Jupyter Notebook 47

2.8 小结 51

2.9 习题 52

2.9.1 基础部分 52

2.9.2 扩展部分 53

第3章 零点一基础入门Python 54

3.1 最简体验print方法 54

3.2 更多print玩法 59

3.3 最简体验Pyton变量 63

3.4 最简体验Python列表与遍历 65

3.5 最简体验Python字典 67

3.6 项目实战：智能通讯录 69

3.7 分支语法if 71

3.7.1 最简体验分支if 71

3.7.2 在智能通讯录中使用分支语法 73

3.7.3 智能通讯录0.2 75

3.8 小结 78

3.8.1 真正掌握了吗 78

3.8.2 真的能用吗 79

3.8.3 真的智能吗 80

3.8.4 开发环境与协作学习 81

3.9 习题 83

3.9.1 基础部分 83

3.9.2 扩展部分 83

第4章 最简体验数字图像 84

4.1 最简体验像素 84

4.1.1 嵌套使用列表 84

4.1.2 列表取元素 86

4.1.3 嵌套使用遍历 88

4.1.4 print进阶 89

4.1.5 数值 90

4.1.6 使用“数据”list最简体验像素 92

4.2 最简体验代码画图 94

4.2.1 最简体验图像操作 95

4.2.2 最简体验plot 97

4.2.3 最简体验marker 100

4.2.4 更多marker属性 102

4.3 点与线 104

4.3.1 两点之间，线段最短 104

4.3.2 画更多的线 106

4.3.3 点与线：最简体验面向对象 108

4.4 高效交流，协作学习 110

4.5 正式认识Matplotlib 112

4.6 小结 115

4.7 习题 115

4.7.1 基础部分 115

4.7.2 扩展部分 115

第5章 最简体验数组 117

5.1 最简体验NumPy 117

5.1.1 从list到array 117

5.1.2 Notebook技能之Run all 120

5.1.3 生成一个array 121

5.1.4 操作array中的元素 123

5.2 基于数组进行画图 125

5.2.1 最简体验imshow（）方法 125

5.2.2 改进图像显示效果 128

5.2.3 像素级操作图像 130

5.2.4 精准体验像素 132

5.3 最简体验Figure与Axes 135

5.3.1 最简体验容器 135

5.3.2 Python方法的返回值 137

5.3.3 最简体验figure的size 141

5.3.4 设置figure的size 142

5.3.5 保存图像 143

5.3.6 正式认识plt与mpl： Python包与模块的导入 144

5.4 小结 148

5.5 习题 148

5.5.1 基础部分 148

5.5.2 扩展部分 148

第2篇 算法篇 150

第6章 最简体验卷积运算 150

6.1 最简体验维度 150

6.1.1 数组的形状 150

6.1.2 最简体验数组维度 152

6.2 最简体验向量 154

6.2.1 从1＋1＝2开始，轻松理解向量 154

6.2.2 最简体验向量运算 156

6.2.3 向量乘法 158

6.3 最简体验一维卷积 160

6.3.1 滑动窗口 160

6.3.2 一维卷积 162

6.4 卷积得到的是什么 163

6.4.1 特征与学习 163

6.4.2 特征的组合 165

6.4.3 最简体验特征 167

6.4.4 归一化Normalization 169

6.4.5 归一化续（纯小白慎入） 171

6.5 小结 172

6.6 习题 173

6.6.1 基础部分 173

6.6.2 扩展部分 173

第7章 综合案例之滑动窗口示意图 174

7.1 正式认识subplots（）方法 174

7.1.1 最简体验subplots（）方法 174

7.1.2 最简体验axs对象 176

7.1.3 最简体验Axes坐标轴 179

7.1.4 坐标轴ticks 182

7.2 滑动窗口示意图0.1 版 186

7.2.1 技术问答范本 186

7.2.2 起始、终止和步长 188

7.2.3 坐标轴tickline 191

7.2.4 坐标轴ticklabel 194

7.3 最常用图像元素之文本框 196

7.3.1 最简体验plt.text（）方法 196

7.3.2 微调文本框 199

7.3.3 滑动窗口示意图0.2 版 200

7.4 小结 202

7.5 习题 203

7.5.1 基础部分 203

7.5.2 扩展部分 203

第3篇 综合篇 206

第8章 源码解读 206

8.1 TensorFlow示例代码解读 206

8.1.1 basic classification示例简介 206

8.1.2 最简体验数据集 209

8.1.3 Fashion MNIST数据集的label 214

8.1.4 批量查看图像 217

8.2 源码解读 220

8.2.1 最简体验源码解读 220

8.2.2 解惑ticks的set与get 222

8.3 基于Notebook服务的开发环境复现 224

8.3.1 Cell内安装TensorFlow 224

8.3.2 最简体验Terminal 227

8.3.3 体验便捷精准复现 229

8.3.4 一键复现目标检测 231

8.4 小结 236

8.5 习题 237

8.5.1 基础部分 237

8.5.2 扩展部分 237

后记 238