Python程序设计：人工智能案例实践_[美] 保罗·戴特尔，[Paul，J.Deitel]，[美] 哈维·戴特尔（Harvey 著，王恺王刚于名飞等译（内封）徐夏李涛译_9787111678458

通过学习本书提供的500多个实际示例，读者将学会使用交互式IPython解释器和Jupyter Notebook并快速掌握Python编码方法。在学习完第1~5章的Python基础知识以及第6和7章的一些关键内容之后，读者将能够处理第11~16章中有关人工智能案例的重要实操内容，包括自然语言处理，用于情感分析的Twitter数据挖掘，使用IBM Watson 的认知计算，利用分类和回归进行的有监督机器学习，通过聚类进行的无监督机器学习，基于深度学习和卷积神经网络的计算机视觉，基于递归神经网络的深度学习，基于Hadoop、Spark和NoSQL数据库的大数据处理，物联网等。读者还将直接或间接使用基于云的服务，如Twitter、Google Translate、IBM Watson、Microsoft Azure、OpenMapQuest、PubNub等。

译者序

Python简单易学，且提供了丰富的第三方库，可以用较少的代码完成较多的工作，使开发者能够专注于如何解决问题而只花较少的时间去考虑如何编程。此外，Python还具有免费开源、跨平台、面向对象、胶水语言等优点，在系统编程、图形界面开发、科学计算、Web开发、数据分析、人工智能等方面有广泛应用。尤其是在数据分析和人工智能方面，Python已成为最受开发者欢迎的编程语言之一，不仅大量计算机专业人员选择使用Python进行快速开发，许多非计算机专业人员也纷纷选择Python语言来解决专业问题。

由于Python应用广泛，关于Python的参考书目前已经有很多，但将Python编程与数据分析、人工智能等领域紧密结合的参考书尚不多见。这就导致开发者在学习Python编程时难以与实际应用结合，从而造成不知道如何应用Python去解决实际问题的状况。2019年，全球畅销的编程语言教材、专业图书作家Paul Deitel和Harvey Deitel出版了Python for Programmers一书，书中将Python编程基础知识与数据分析、人工智能案例研究有效地结合在一起，在Python编程与数据科学、人工智能之间搭建起了桥梁。通过学习本书，开发者可结合理论和实践，快速掌握应用Python解决数据分析、人工智能问题的方法。

本书由浅入深，共分为四大部分。第一部分为Python基础知识快速入门，由第1～5章组成，涉及计算机和Python、Python程序设计、控制语句、函数、序列（列表和元组）方面的内容。通过学习该部分，读者应掌握Python开发环境的使用方法、Python中基础数据的存储和处理方法，尤其要熟练运用模块化思想进行问题分解、通过函数实现各模块功能。第二部分为Python数据结构、字符串和文件，由第6～9章组成，涉及字典和集合、使用NumPy进行面向数组的编程、字符串、文件和异常方面的内容。通过学习该部分，读者应掌握字典和集合的适用场景、NumPy存储数据的优势和具体使用方法、字符串的常用操作、正则表达式的作用。第三部分为Python高级主题，即第10章的面向对象编程。通过学习该部分，读者应掌握面向对象的概念及面向对象程序的设计和编写方法，在实际中熟练运用面向对象的方式搭建系统。第四部分为人工智能、云和大数据案例研究，由第11～16章组成，涉及自然语言处理、Twitter数据挖掘、IBM Watson和认知计算、机器学习、深度学习、大数据方面的内容。通过学习该部分，读者应掌握运用Python解决数据分析、人工智能相关问题的方法。

除了基础理论知识之外，本书还提供了500多个实际上机操作示例，其中包括40个具有较大代码量的完整案例。除了第11～16章结合具体主题给出的案例之外，在第1～10章中，每一章最后还提供了数据科学入门案例。通过研究这些案例，读者能够更好地将所学知识与实际相结合，掌握利用Python解决具体问题的方法。

本书的分工如下：王恺负责第9章、第10章、第12章、索引和其他辅助内容的翻译，并对全书进行统稿；王刚负责第1～4章、第13章的翻译；于名飞负责第5～8章的翻译；徐夏负责第11章、第14章和第15章的翻译；李涛负责第16章的翻译。

本书可以作为高校计算机专业学生和非计算机专业理工科学生学习Python和数据分析相关课程的教材，同时也可作为Python开发人员的参考手册。本书附有大量案例，因此特别适合自学者使用。

最后感谢机械工业出版社华章公司的大力支持！由于时间和水平有限，译稿中难免存在疏漏之处，恳请各位同行和读者帮忙指正！

译者

2020年12月

南开大学

你还可能感兴趣

我要评论