作者：张敏 著
出版社：清华大学出版社
出版日期：2025
ISBN：9787302682776
电子书格式：pdf/epub/txt
网盘下载地址：下载PYTHON与人工智能编程——基础与实验(微课视频版)
内容简介
“本书主要面向Python编程零基础初学者，将基础知识归纳为5部分： Python编程基础、重要的第三方库、机器学习基础
与Scikit瞝earn框架、深度学习基础与PyTorch框架、基于大语言模型的自然语言处理编程。
本书具有实例丰富、操作性强、简单易学等特点。为了有效提升初学者的人工智能编程能力，强调“做中学”，将5部分基础知识设计成26个上机实验，同时为每个实验部分安排实验作业，便于读者对人工智能基础知识的理解和掌握。
本书可作为高等院校计算机类相关专业的“人工智能”等课程的教材，也可作为感兴趣读者的自学读物，还可作为相关行业技术人员的参考用书。
“
本书特色
本书主要面向编程零基础初学者,具有实例丰富、操作性强、简单易学等特点。
目录
资源下载
第1部分Python编程基础
实验1集成开发环境的安装及Jupyter Notebook的使用
1.1下载Anaconda安装包
1.2Anaconda的安装步骤
1.3Jupyter Notebook的使用教程
实验作业1
实验2基础语法
2.1Python的语法基础
2.1.1注释
2.1.2代码缩进
2.1.3代码编码规范
2.2保留字与标识符
2.2.1保留字
2.2.2标识符
2.3变量
2.4基本数据类型
2.4.1数字类型
2.4.2布尔类型
2.4.3字符串类型
2.4.4Python字符串的格式化输出
2.4.5数据类型转换
2.5运算符
2.5.1算术运算符
2.5.2赋值运算符
2.5.3比较(关系)运算符
2.5.4逻辑运算符
2.5.5运算符的优先级
2.6Python的6种基本数据结构
2.6.1列表创建
2.6.2列表索引、切片和遍历
2.6.3列表的函数与方法
2.7基本的输入和输出函数
2.7.1使用input()函数输入
2.7.2使用print()函数输出
2.8Python 模块和包
2.9Python文件操作
实验作业2
实验3Python控制语句与程序调试
3.1控制语句
3.2程序调试
实验作业3
实验4函数与异常处理
4.1函数的创建和调用
4.1.1创建函数
4.1.2调用函数
4.2参数传递
4.2.1形式参数和实际参数
4.2.2位置参数
4.2.3关键字参数
4.2.4默认参数
4.2.5不定长参数
4.3返回值
4.4变量的作用域
4.4.1局部变量
4.4.2全局变量
4.5匿名函数(lambda)
4.6异常处理
4.6.1常见异常
4.6.2异常处理语法
实验作业4
实验5面向对象编程
5.1面向对象编程概述
5.1.1对象
5.1.2类
5.1.3封装、继承和多态
5.2类的定义和使用
5.2.1定义类
5.2.2创建类实例
5.2.3属性
5.2.4方法
5.2.5封装
5.2.6继承
5.2.7多态
实验作业5
第2部分重要的第三方库
实验6NumPy基础知识
6.1NumPy简介和数据类型
6.2创建ndarray数组对象
6.2.1使用array()函数创建NumPy数组
6.2.2使用linspace生成等间距的一维数组
6.2.3使用zeros()、ones()、full()、empty()函数创建NumPy数组
6.2.4使用arange()函数创建NumPy数组
6.2.5使用random.rand()函数生成随机数数组
6.2.6使用asarray()函数创建NumPy数组
6.2.7使用numpy.reshape()函数改变数组形状
实验作业6
实验7NumPy常用操作
7.1数组元素操作
7.1.1切片索引
7.1.2高级索引
7.2广播机制
7.3NumPy元素的基本操作
7.3.1四则运算
7.3.2幂运算和开方
7.3.3逻辑运算
7.3.4三角函数
7.3.5条件表达式
实验作业7
实验8Pandas基础知识
8.1Pandas简介
8.2Pandas数据结构
8.2.1一维数组Series
8.2.2二维数组DataFrame
实验作业8
实验9Pandas常用操作
9.1Pandas数据导入
9.1.1导入Excel数据
9.1.2导入CSV文件
9.1.3导入HTML网页
9.2Pandas常用数据处理方法
9.2.1数据选择
9.2.2数据删减
9.2.3数据填充
9.2.4数据可视化
9.2.5apply函数
实验作业9
实验10Matplotlib基础与实验
10.1Matplotlib常见图绘制
10.1.1图形基础结构
10.1.2绘制曲线图及散点图
10.1.3绘制直方图和条形图
10.1.4绘制饼图和雷达图
10.1.5绘制3D图形
10.2Matplotlib高级应用及技巧
10.2.1Matplotlib的高级应用
10.2.2Matplotlib的优化技巧
实验作业10
第3部分机器学习基础与Scikit瞝earn框架
实验11机器学习与Scikit瞝earn框架的基础知识
11.1什么是机器学习
11.2机器学习的常见分类
11.3Scikit瞝earn简介
11.4Scikit瞝earn的常用数据集及应用
实验作业11
实验12Scikit瞝earn开发流程及通用模板
12.1Scikit瞝earn开发流程
12.2Scikit瞝earn开发通用模板一
12.3Scikit瞝earn开发通用模板二
12.4Scikit瞝earn开发通用模板三
实验作业12
实验13随机森林原理及应用
13.1随机森林原理
13.2随机森林的优势和不足
13.3随机森林应用举例
实验作业13
实验14SVM原理及应用
14.1SVM基本概念
14.2SVM的优势和不足
实验作业14
实验15模型评估原理及应用
15.1模型评估原理与流程
15.1.1模型评估原理
15.1.2模型评估基本知识
15.1.3评估流程
15.2模型评估的指标详述
实验作业15
第4部分深度学习基础与PyTorch框架
实验16PyTorch的开发环境配置及Tensor的基本操作
16.1PyTorch的开发环境配置
16.2Tensor的基本操作
16.2.1创建Tensor
16.2.2索引和切片
16.2.3变形
16.2.4类型转换
16.2.5数学运算
16.2.6广播
16.2.7合并和堆叠
16.2.8分割
16.2.9其他操作
实验作业16
实验17PyTorch的开发流程与通用模板
17.1PyTorch的开发流程概述
17.2PyTorch的通用模板
实验作业17
实验18卷积神经网络的简介及应用
18.1CNN的基础知识
18.2CNN的应用实例
实验作业18
实验19长短期记忆网络的简介及应用
19.1LSTM的基础知识
19.2LSTM的应用实例
实验作业19
实验20深度神经网络的简介及应用
20.1DNN 的基础知识
20.2DNN的应用实例
实验作业20
第5部分基于大语言模型的自然语言处理编程
实验21Hugging Face框架
21.1Hugging Face的基础知识
21.2Hugging Face开发环境搭建
实验作业21
实验22Hugging Face管道的介绍
22.1Transformer中管道的基本概念
22.2管道的基本组成和工作流程
22.2.1管道的基本组成
22.2.2管道的工作流程
22.3管道的功能和优势
22.3.1管道的功能
22.3.2管道的优势
22.4Pipeline任务列表
22.5管道使用示例
实验作业22
实验23文本分类
23.1文本分类简述
23.2文本分类的任务
23.3文本分类方法
23.3.1基于规则的文本分类方法
23.3.2基于机器学习的文本分类方法
23.3.3基于深度学习的文本分类方法
23.3.4基于预训练模型的文本分类方法
23.4基于预训练模型的文本分类实战案例
实验作业23
实验24文本生成
24.1文本生成简述
24.2文本生成的任务
24.3文本生成方法
24.3.1基于规则的文本生成方法
24.3.2基于统计的文本生成方法
24.3.3基于预训练模型的文本生成方法
24.4基于预训练模型的文本生成实战案例
实验作业24
实验25模型微调
25.1模型微调的定义
25.2微调模型的目的和意义
25.2.1模型微调目标
25.2.2微调模型的优点
25.3不同微调方法的比较与分析
25.4模型微调的步骤
25.5使用Trainer API微调模型
25.5.1Trainer类概述
25.5.2使用Trainer进行模型微调
25.6文本分类模型微调实战案例
实验作业25
实验26网络数据爬取
26.1网络爬取助手XPath Helper
26.2XPath语法
26.2.1XPath语法应用举例
26.2.2实战收集网络评论数据
实验作业26
参考文献
前言
党的二十大报告指出： 教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，这三大战略共同服务于创新型国家的建设。高等教育与经济社会发展紧密相连，对促进就业创业、助力经济社会发展、增进人民福祉具有重要意义。2024年政府工作报告中明确提出发展“新质生产力”和开展“人工智能 ”行动，随着人工智能技术的发展和政府的高度重视，人工智能必将全面赋能各行各业。无论是发展“新质生产力”，还是实施“人工智能 ”行动，都必将高度依赖劳动者人工智能素质和技能的提高。可见在不久的将来，高等院校中将会全面普及人工智能教育。
(2) 内容全面： 涉及人工智能编程的主要知识点包括最新的大语言模型编程等。
资源下载提示
编者
2025年1月
