人工智能基础与应用全套教学课件.pptx

人工智能基础与应用（微课版）;;;;;;;;;;;;;;;;1.4.1 机器学习框架简介;;1.4.3 PaddlePaddle;;1.5 怎样学习人工智能;;人工智能基础与应用（微课版）;;;;;2.2.1 安装Python;2.2.1 安装Python;;;2.2.1 安装Python;;2.2.2 安装PyCharm;2.2.2 安装PyCharm;2.2.2 安装PyCharm;2.2.2 安装PyCharm;2.2.2 安装PyCharm;;;2.2.3 体验PyCharm;;;2.3.1 基本输入和输出;2.3.1 基本输入和输出;2.3.1 基本输入和输出;2.3.1 基本输入和输出;2.3.1 基本输入和输出;2.3.1 基本输入和输出;2.3.1 基本输入和输出;;;2.3.2 Python运算符;;2.3.2 Python运算符;2.3.2 Python运算符;;;2.3.2 Python运算符;;2.3.2 Python运算符;;2.3.2 Python运算符;;2.3.2 Python运算符;;;2.3.2 Python运算符;2.3.3 Python数据类型;;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.3 Python数据类型;2.3.4 Python语句;2.3.4 Python语句;;;2.3.3 Python数据类型;;2.3.4 Python语句;2.3.4 Python语句;2.3.4 Python语句;2.3.5 Python函数;2.3.5 Python函数;2.3.5 Python函数;;2.4 面向对象;2.4 面向对象;2.4 面向对象;;2.5 第三方库的使用;2.5 第三方库的使用;2.5.1 NumPy;;2.5.1 NumPy;2.5.1 NumPy;2.5.1 NumPy;2.5.1 NumPy;2.5.1 NumPy;array([[1, 2], [3, 4], [5, 6]]) a.reshape(3, 2).shape (3, 2) a.T # NumPy转置 array([[1, 4], [2, 5], [3, 6]]) a.T.shape (3, 2);2.5.2 Pandas;2.5.2 Pandas;2.5.2 Pandas;2.5.2 Pandas;2.5.2 Pandas;2.5.2 Pandas;2.5.2 Pandas;2.5.3 Matplotlib;2.5.3 Matplotlib;2.5.3 Matplotlib;2.5.3 Matplotlib;2.5.3 Matplotlib;2.5.3 Matplotlib;;人工智能基础与应用（微课版）;;;3.1.1 TensorFlow基础介绍;3.1.1 TensorFlow基础介绍;3.1.1 TensorFlow基础介绍;3.1.1 TensorFlow基础介绍;;;3.2.1 安装Anaconda;3.2.1 安装Anaconda;3.2.1 安装Anaconda;3.2.1 安装Anaconda;3.2.1 安装Anaconda;3.2.1 安装Anaconda;3.2.2 使用pip的Windows环境安装;3.2.2 使用pip的Windows环境安装;3.2.3 使用pip的Linux环境安装;3.2.4 使用源代码编译安装;;;3.3.1 TensorFlow的使用;;;人工智能基础与应用（微课版）;;;;4.1.2 线性回归例子引入;4.1.2 线性回归例子引入;4.1.2 线性回归例子引入;4.1.3 数学方法解决线性回归问题;;4.2.1 什么是逻辑回归;4.2.1 什么是逻辑回归;4.2.1 什么是逻辑回归;4.2.2 逻辑回归例子引入;4.2.3 数学方法解决逻辑回归问题;4.2.3 数学方法解决逻辑回归问题;4.2.4 利用TensorFlow解决逻辑回归问题;4.2.4 利用TensorFlow解决逻辑回归问题;;4.3.1 什么是KNN;;;4.3.3 数学方法解决KNN问