| 作 者： | 挪亚·吉夫特 |
| 出版社： | 机械工业出版社 |
| 丛编项： | |
| 版权说明： | 本书为出版图书，暂不支持在线阅读，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第一部分 实用人工智能基础
第1章 实用人工智能简介
Python功能介绍
程序语句
字符串和字符串格式化
数字与算术运算
数据结构
函数
在Python中使用控制结构
for循环
while循环
if/else语句
生成器表达式
列表推导式
中级主题
进一步思考
第2章 人工智能与机器学习的工具链
Python数据科学生态系统：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn
R语言、RStudio、Shiny和ggplot
电子表格：Excel和Google表格
使用Amazon网络服务开发云端AI
AWS上的Devops
持续交付
为AWS创建软件开发环境
集成Jupyter Notebook
集成命令行工具
集成AWS CodePipeline
数据科学中的基本Docker容器设置_
其他构建服务器：Jenkins、CircleCI、Codeship和Travis
小结
第3章 斯巴达式AI生命周期
实用生产反馈回路
AWS SageMaker
AWS Glue反馈回路
AWS批处理
基于Docker容器的反馈回路
小结
第二部分 云端人工智能
第4章 使用Google云平台开发云端AI
Google云平台概述
Colaboratory合作实验工具
Datalab数据处理工具
使用Docker和Google容器注册表扩展Datalab
使用Datalab启动强大的机器
BigQuery云数据仓库
Google云端AI服务
云端TPU和TensorFlow
小结
第5章 使用Amazon Web服务开发云端AI
在AWS上构建增强现实和虚拟现实解决方案
计算机视觉：带有EFS和Flask的ARNR管道
带EFS、Flask和Pandas的数据工程管道
小结
第三部分 创建实际Al应用程序
第6章 预测社交媒体在NBA中的影响力
提出问题
收集具有挑战性的数据源
收集运动员的Wikipedia页面访问量
收集运动员的Twitter参与度
探索NBA运动员数据
NBA球员的无监督机器学习
使用R语言对NBA球员执行分面聚类绘图
汇总：球队、球员、影响力和广告代言
更多的实际进阶与学习
小结
第7章 使用AWS创建智能的
Slack机器人
创建机器人
将库转换为命令行工具
使用AWS工作流服务将机器人提升到新水平
获取IAM证书设置
建立工作流
小结
第8章 从GitHub组织中寻找项目管理的思考
软件项目管理问题综述
开始创建数据科学项目框架
收集和转换数据
与GitHub组织交·流
创建特定领域的统计信息
将数据科学项目连接到CLI客户端
使用Jupyter Notebook探索GitHub组织
查看CPython项目中的文件元数据
查看CPython项目中的已删除文件
将项目部署到Python包索引库
小结
第9章 动态优化基于AWS的弹性计算云（EC2）实例
在AWS上运行作业
第10章 房地产数据研究
第11章 用户生成内容的生产环境AI
附录A AI加速器
附录B聚类大小的选择
索引
