Python与神经网络实战研究

　　《Python与神经网络实战研究》的特点如下：一是理论与实践结合，在较详细、全面地讲解理论后，会配上相应的代码实现，以加深读者对相应算法的理解：二是注重基础，《Python与神经网络实战研究》不仅介绍了神经网络的基础知识，还涵盖了传统的、经典的、基础的机器学习算法的大意及这些算法与神经网络在本质上的联系：三是注重创新，《Python与神经网络实战研究》介绍了许多新颖、有效的技术；四是注重应用，《Python与神经网络实战研究》最后两章着重介绍了如何搭建应用于现实任务的神经网络框架（该框架不仅具有可扩展性，也兼顾了用户友好性，能在各个领域中发挥作用）。《Python与神经网络实战研究》主要介绍了经典传统机器学习算法、神经网络技术入门要点、从传统算法走向神经网络、神经网络进阶、半自动化机器学习框架等内容。为广大读者提供了大量实用的学习资料。《Python与神经网络实战研究》的编写目的是介绍一种机器学习的入门方法。虽然市面上已经有许多机器学习的相关书籍，但大多数书籍要么过于偏重理论，要么过于偏重应用，要么过于“厚重”。《Python与神经网络实战研究》致力于理论与实践相结合，在讲述理论的同时，利用Python这种简明、实用的编程语言进行一系列的实践与应用。

　　曹玉婵，女，副教授，计算机硕士学位，云南林业职业技术学院信息工程学院数字媒体艺术设计专业负责人，参与国家重点课题一项，厅级项目多项，主持过3项课题，正式发表学术论文20余篇，主编教材2本，副主编6本，参编多本，指导学生多次在国家和省级竞赛中，获得好成绩，教学效果突出，多次获得先进教师称号。

第1章 Python与机器学习入门
1．1 机器学习绪论
1．2 Python简介
1．3 第一个机器学习样例
第2章 经典传统机器学习算法
2．1 朴素贝叶斯
2．2 决策树
2．3 支持向量机
2．4 Logistic回归
第3章 神经网络
3．1 从感知机到多层感知机
3．2 前向传导算法
3．3 反向传播算法
3．4 特殊的层结构
3．5 参数的更新
3．6 朴素的网络结构
3．7 “大数据”下的网络结构
第4章 从传统算法走向神经网络
4．1 朴素贝叶斯的线性形式
4．2 决策树生成算法的本质
4．3 模型转换的局限性
第5章 卷积神经网络
5．1 卷积神经网络速成
5．2 手写数字识别
5．3 Keras中的图像增强
第6章 循环神经网络
6．1 循环神经网络速成
6．2 多层感知器的时间序列预测：国际旅行游客人数预测
6．3 LSTM时间序列问题预测：国际旅行游客人数预测
6．4 序列分类：IMDB影评分类
6．5 多变量时间序列预测：PM2．5预报
第7章 神经网络进阶
7．1 层结构内部的额外工作
7．2 “浅”与“深”的结合
7．3 神经网络中的“决策树”
7．4 神经网络中的剪枝
7．5 AdvancedNN的结构设计
7．6 AdvancedNN的实际性能
第8章 文本处理
8．1 逗号分隔值（CSV）
8．2 JSON
8．3 可扩展标记语言
8．4 相关模块
第9章 因特网客户端编程
9．1 因特网客户端简介
9．2 文件传输
9．3 网络新闻
9．4 电子邮件
9．5 实战
第10章 深度神经网络
10．1 创建一个感知器
10．2 创建一个单层神经网络
10．3 创建一个深度神经网络
10．4 创建一个向量量化器
10．5 为序列数据分析创建一个递归神经网络
10．6 在光学字符识别数据库中将字符可视化
第11章 半自动化机器学习框架
11．1 数据的准备
11．2 数据的转换
11．3 AutoBase的实现补足
11．4 AutoMeta的实现
11．5 训练过程的监控