作者：刘经纬
页数：174
出版社：首都经济贸易大学出版社
出版日期：2020
ISBN：9787563830718
电子书格式：pdf/epub/txt
内容简介
本书的主要内容包括两个部分：（1）提出“三实三严”教学管理理论（三个实时+三个严格）并实证落地，以《Python人工智能与大数据经典算法》知识体系为例，尝试解决当前创新创业、新工科与网络教学中存在的凸显问题。（2） 零基础Python编程基础、人工智能与大数据经典算法：分类（SVM、决策树等）、聚类（K近邻等）、回归（多元拟合）、降维（主成分分析等）、集成算法（随机森林、GBDT、XGBoost等）、推荐算法（基于项目、基于用户、基于内容）、神经网络（MPL、BP）、深度学习（CNN、RNN）、爬虫（Xpath）、Tensor flow、数据库应用等。本书具有以下特色：零基础Python入门、零基础就能听懂人工智能大数据经典算法，精心打造很简单的课程设计，每个知识点讲解都有案例贯穿，与中国大学慕课网站联动构成线上线下混合教学。
作者简介
先后担任政府机关及直属企事业单位信息化项目负责人（CTO），教育部全国高校教师网络培训中心授课教师，中国人民大学、对外经济贸易大学等多所985、211高校授课教师，公安部首都机场公安局信息化技术专家，商务部机关、外贸发展事务局、机电商会等直属机构信息化技术专家，北京市政府及各委办局信息化建设评审专家等。 陈佳明（联系方式：billchenbeijing@hotmail.com），工学博士研究生，高级云计算应用工程师。主要研究方向为模式识别与人工智能系统，类脑智能与脑机接口。 曾获中法 Scilab 计算机应用大赛全国二等奖，蓝桥杯 C++组北京市一等奖。以第一作者身份发表学术论文3篇,曾主持北京市门头沟区环保局OBD车辆数据分析系统开发项目。 先后担任慧科集团大数据学院Python人工智能讲师、微软人工智能训练营讲师，首都经济贸易大学Python基础与人工智能经典算法课程讲师，首都师范大学附属中学C++算法竞赛社团讲师和北京市第十五中学Python人工智能和C++讲师。
本书特色
购书人员加QQ：508639936（申请时请标注“购书赠课-Python数据分析”），凭购书小票领取《30天快速上手Python数据分析》三节试听课和50元网课优惠券。该活动有效期至2021年9月1日。
目录
目录
Contents
1“三实三严”教育理论研究/
11研究背景/
12问题提出/
13国内外研究现状/
14本研究的理论价值及实际应用价值/
15研究对象/
16总体框架/
17拟突破的重点与难点/
18研究目标/
19研究思路和研究方法/
第一部分Python编程基础/
2Python的分支、循环与函数/
21本章工作任务/
22本章技能目标/
23本章简介/
24理论讲解部分/
25本章总结/
26本章作业/
第二部分数据结构与数据预处理/
3数据结构、操作与可视化/
31本章工作任务/
32本章技能目标/
33本章简介/
34本章总结/
35本章作业/
4缺失值填充/
41本章工作任务/
42本章技能目标/
43本章简介/
44理论讲解部分/
45本章总结/
46本章作业/
第三部分回归算法/
5线性回归/
51本章工作任务/
52本章技能目标/
53本章简介/
54理论讲解部分/
55本章总结/
56本章作业/
6多元线性回归/
61本章工作任务/
62本章技能目标/
63本章简介/
64理论讲解部分/
65本章总结/
66本章作业/
第四部分分类算法/
7K近邻算法/
71本章工作任务/
72本章技能目标/
73本章简介/
74理论讲解部分/
75本章总结/
76本章作业/
8逻辑回归/
81本章工作任务/
82本章技能目标/
83本章简介/
84理论讲解部分/
85本章总结/
86本章作业/
9贝叶斯算法/
91本章工作任务/
92本章技能目标/
93本章简介/
94理论讲解部分/
95本章总结/
96本章作业/
10决策树/
101本章工作任务/
102本章技能目标/
103本章简介/
104理论讲解部分/
105本章总结/
106本章作业/
11支持向量机/
111本章工作任务/
112本章技能目标/
113本章简介/
114理论讲解部分/
115本章总结/
116本章作业/
第五部分集成算法/
12随机森林/
121本章工作任务/
122本章技能目标/
123本章简介/
124理论讲解部分/
125本章总结/
126本章作业/
13AdaBoost算法/
131本章工作任务/
132本章技能目标/
133本章简介/
134理论讲解部分/
135本章总结/
136本章作业/
14梯度提升决策/
141本章工作任务/
142本章技能目标/
143本章简介/
144理论讲解部分/
145本章总结/
146本章作业/
15XGBoost/
151本章工作任务/
152本章技能目标/
153本章简介/
154理论讲解部分/
155本章总结/
156本章作业/
第六部分聚类算法/
16K-means聚类算法/
161本章工作任务/
162本章技能目标/
163本章简介/
164理论讲解部分/
165本章总结/
166本章作业/
17DBSCAN聚类算法/
171本章工作任务/
172本章技能目标/
173本章简介/
174理论讲解部分/
175本章总结/
176本章作业/
18层次聚类/
181本章工作任务/
182本章技能目标/
183本章简介/
184理论讲解部分/
185本章总结/
186本章作业/
19主成分分析与因子分析/
191本章工作任务/
192本章技能目标/
193本章简介/
194理论讲解部分/
195本章总结/
196本章作业/
20奇异值分解/
201本章工作任务/
202本章技能目标/
203本章简介/
204理论讲解部分/
205本章总结/
206本章作业/
21线性判别分析/
211本章工作任务/
212本章技能目标/
213本章简介/
214理论讲解部分/
215本章总结/
216本章作业/
第七部分推荐算法/
22基于项目的协同过滤/
221本章工作任务/
222本章技能目标/
223本章简介/
224理论讲解部分/
225本章总结/
226本章作业/
23基于用户的协同过滤/
231本章工作任务/
232本章技能目标/
233本章简介/
234理论讲解部分/
235本章总结/
236本章作业/
第八部分时间序列/
24ARIMA/
241本章工作任务/
242本章技能目标/
243本章简介/
244理论讲解部分/
245本章总结/
246本章作业/
第九部分人工神经网络/
25神经网络（多层感知机MLP）/
251本章工作任务/
252本章技能目标/
253本章简介/
254理论讲解部分/
255本章总结/
256本章作业/
第十部分Python爬虫/
26XPath/
261本章工作任务/
262本章技能目标/
263本章简介/
264理论讲解部分/
265本章总结/
266本章作业/
27Beautiful Soup/
271本章工作任务/
272本章技能目标/
273本章简介/
274理论讲解部分/
275本章总结/
276本章作业/
第十一部分Python界面/
28Tkinter/
281本章工作任务/
282本章技能目标/
283本章简介/
284理论讲解部分/
285本章总结/
286本章作业/
