本书较为系统地介绍了非线性化的基本理论、方法及其 Python 程序设计, 主要内容包括线搜索方法、梯度法和牛顿法、共轭梯度法、拟牛顿法、信赖域方法、非线性二乘问题、 约束优化的性条件、罚函数法、可行方向法、二次规划问题的解法、序列二次规划法等。书中配有丰富的例题和习题, 同时简要介绍了Python 软件的安装和Python 程序的基本编写方法。本书既注重计算方法的实用性, 又注意保持理论分析的严谨性, 强调化理论、方法及其Python 程序的实现。本书的主要阅读对象是数学与应用数学、信息与计算科学、数据科学与大数据技术等相关专业的本科生, 应用数学、计算数学、运筹学与控制论专业的研究生, 理工科有关专业的研究生, 以及对化理论与算法感兴趣的教师及科技工作人员。
《Python深度学习算法实践()》深入浅出地剖析了深度学习的原理和相关技术。书中使用Python,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识,对误差反向传播法、卷积神经网络等也有深入讲解,此外还介绍了深度学习相关的实用技巧,自动驾驶、图像生成、强化学习等方面的应用,以及为什么加深层可以提高识别精度等疑难的问题。
《Python机器学习(微课视频版)——手把手教你掌握150个精彩案例》由浅入深、图文并茂地介绍了Python机器学习方面的相关内容,并通过150多个实际案例,手把手地教会读者掌握用Python语言进行机器学习相关项目开发的方法与技巧。 书中包含Python语言基础内容、机器学习、人工智能、TensorFlow、Keras、OpenCV等相关API的使用方法,给出的每个案例都可以单独运行,可进行二次开发。 为了提高学习效果,本书为所有案例提供了完整的微课视频和程序代码文件,获取方式见前言。 《Python机器学习(微课视频版)——手把手教你掌握150个精彩案例》适合学习机器学习算法的初学者,对机器学习、人工智能感兴趣的学生和从业者,以及进行机器学习相关项目开发的工程师阅读参考。
《Python机器学习算法: 原理、实现与案例》用平实的语言深入浅出地介绍当前热门的机器学习经典算法,包括线性回归、Logistic回归与Softmax回归、决策树(分类与回归)、朴素贝叶斯、支持向量机、K近邻学习、K-Means和人工神经网络,针对每一个算法首先介绍数学模型及原理,然后根据模型和算法描述使用Python编程和Numpy库进行算法实现,通过案例让读者进一步体会算法的应用场景以及应用时所需注意的问题。 《Python机器学习算法: 原理、实现与案例》适合准备进入人工智能和数据分析与挖掘领域的初学者,对机器学习算法感兴趣的爱好者、程序员、大学生和各类IT培训班的学员使用。
《Python机器学习》面向机器学习新手,主要内容如下: Python机器学习的一些基本库,包括NumPy、Pandas和matplotlib库 常见的机器学习算法,包括回归、聚类、分类和异常检测 使用Python和Scikit-learn库进行机器学习 将机器学习模型部署为Web服务 使用Microsoft Azure Machine Learning Studio进行机器学习 演习机器学习模型构建方案的实例
本书以某上市电商企业的客户数据、订单数据、股价数据为基础,由浅入深、循序渐进地介绍Python可视化技术,重点介绍Matplotlib与Pyecharts在数据可视化应用中的基本功能和使用技巧。全书以案例为主线,既包括软件的操作与应用,又融入了数据可视化的基础知识,绘图案例大多选自工作实践,可使读者真正掌握专业的可视化方法与技巧,提升数据分析的整体能力。本书配套资源包含案例采用的数据源文件、源代码和教学视频,供读者在阅读本书时进行操作练习和参考。 本书可作为管理、经济、社会人文等领域的人员学习Python软件进行大数据可视化分析的参考书,也可以作为大中专院校相关专业的教学用书或参考书。
本书是一本针对初级Python读者而作的Python入门书。Pyhton语法灵活,本书作者尝试将Python语法的各种用法用实例讲解,以帮助读者更好地使用Python。本书以约500个程序实例讲解了以下知识:完整Pyhton语法;列表、元组、字典、集合;函数与类;程序排错与异常处理;动画、游戏设计; 图像处理;使用tkinter开发GUI程序等。为了提升阅读体验,对图书结构、案例选择以及代码样式都进行了细心设计,力争呈现给读者一本与众不同的编程书。