日韩在线免费播放-日韩在线免费av-日韩在线免费-日韩在线毛片-国产高清不卡视频-国产高清不卡

圖書簡介

      本書涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機(jī)器學(xué)習(xí)框架、機(jī)器學(xué)習(xí)算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)、TensorFlow高級(jí)框架、OpenCV開發(fā)與應(yīng)用等基礎(chǔ)知識(shí)，并介紹且搭建了計(jì)算機(jī)視覺中的手寫數(shù)字識(shí)別與人臉識(shí)別、自然語言處理中的語音識(shí)別與智能聊天機(jī)器人具體項(xiàng)目，還介紹并實(shí)踐了AI開放平臺(tái)的接入與使用，最后在綜合實(shí)訓(xùn)案例解析中完成了對(duì)所學(xué)知識(shí)的整合。 本書可作為人工智能、計(jì)算機(jī)、自動(dòng)化等專業(yè)相關(guān)課程的教材，也可作為人工智能開發(fā)人員的參考用書。

圖書目錄

人工智能基礎(chǔ)與應(yīng)用（微課版）章節(jié)：
第1章　人工智能概述　1
1.1　了解人工智能　1
1.2　了解深度學(xué)習(xí)　2
1.3　人工智能發(fā)展現(xiàn)狀　4
1.4　人工智能機(jī)器學(xué)習(xí)框架　5
1.4.1　機(jī)器學(xué)習(xí)框架簡介　5
1.4.2　TensorFlow　5
1.4.3　PaddlePaddle　7
1.5　怎樣學(xué)習(xí)人工智能　7
1.6　小結(jié)　8
1.7　練習(xí)題　8
第2章　Python編程基礎(chǔ)　9
2.1　Python入門　9
2.2　開發(fā)環(huán)境搭建　10
2.2.1　安裝Python　10
2.2.2　安裝PyCharm　13
2.2.3　體驗(yàn)PyCharm　17
2.3　基礎(chǔ)語法　21
2.3.1　基本輸入和輸出　21
2.3.2　Python運(yùn)算符　24
2.3.3　Python數(shù)據(jù)類型　33
2.3.4　Python語句　38
2.3.5　Python函數(shù)　43
2.4　面向?qū)ο蟆?4
2.5　第三方庫的使用　45
2.5.1　NumPy　46
2.5.2　Pandas　49
2.5.3　Matplotlib　52
2.6　小結(jié)　57
2.7　練習(xí)題　57
第3章　TensorFlow機(jī)器學(xué)習(xí)框架　58
3.1　TensorFlow介紹　58
3.1.1　TensorFlow基礎(chǔ)介紹　58
3.1.2　分布式TensorFlow　61
3.2　TensorFlow環(huán)境搭建　61
3.2.1　安裝Anaconda　61
3.2.2　使用pip的Windows環(huán)境安裝　67
3.2.3　使用pip的Linux環(huán)境安裝　68
3.2.4　使用源代碼編譯安裝　68
3.3　TensorFlow計(jì)算機(jī)加速　68
3.3.1　TensorFlow的使用　68
3.3.2　TensorFlow使用GPU加速　70
3.4　小結(jié)　70
3.5　練習(xí)題　71
第4章　機(jī)器學(xué)習(xí)算法　72
4.1　線性回歸　72
4.1.1　什么是線性回歸　72
4.1.2　線性回歸例子引入　73
4.1.3　數(shù)學(xué)方法解決線性回歸問題　75
4.1.4　利用TensorFlow解決線性回歸問題　78
4.2　邏輯回歸　81
4.2.1　什么是邏輯回歸　81
4.2.2　邏輯回歸例子引入　82
4.2.3　數(shù)學(xué)方法解決邏輯回歸問題　83
4.2.4　利用TensorFlow解決邏輯回歸問題　83
4.3　KNN　85
4.3.1　什么是KNN　86
4.3.2　KNN例子引入　86
4.3.3　數(shù)學(xué)方法解決KNN問題　87
4.3.4　利用TensorFlow解決KNN問題　91
4.4　使用第三方模塊實(shí)現(xiàn)KNN　92
4.5　其他機(jī)器學(xué)習(xí)算法　94
4.5.1　支持向量機(jī)　94
4.5.2　決策樹　94
4.5.3　隨機(jī)森林　95
4.5.4　K-Means　95
4.6　小結(jié)　95
4.7　練習(xí)題　95
第5章　MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)　96
5.1　MNIST數(shù)據(jù)集簡介　96
5.2　神經(jīng)元常用函數(shù)　97
5.2.1　激活函數(shù)　97
5.2.2　池化函數(shù)　99
5.2.3　損失函數(shù)　100
5.3　深度神經(jīng)網(wǎng)絡(luò)　101
5.4　經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)介紹　102
5.4.1　LeNet-5模型及其實(shí)現(xiàn)　103
5.4.2　AlexNet介紹　109
5.4.3　VGGNet介紹　109
5.4.4　Inception模型及其實(shí)現(xiàn)　109
5.5　循環(huán)神經(jīng)網(wǎng)絡(luò)　112
5.5.1　循環(huán)神經(jīng)網(wǎng)絡(luò)簡介　112
5.5.2　循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)　115
5.6　優(yōu)化器及優(yōu)化方法　117
5.6.1　優(yōu)化方法　117
5.6.2　學(xué)習(xí)率設(shè)置　118
5.7　小結(jié)　118
5.8　練習(xí)題　118
第6章　TensorFlow高級(jí)框架　119
6.1　TFLearn　119
6.2　Keras　121
6.3　小結(jié)　123
6.4　練習(xí)題　124
第7章　OpenCV開發(fā)與應(yīng)用　125
7.1　OpenCV介紹　125
7.2　OpenCV常見應(yīng)用　127
7.2.1　攝像頭調(diào)用　127
7.2.2　OpenCV的圖像簡單處理　128
7.2.3　圖像處理的意義及價(jià)值　132
7.3　小結(jié)　133
7.4　練習(xí)題　133
第8章　計(jì)算機(jī)視覺處理　134
8.1　計(jì)算機(jī)視覺開發(fā)介紹　134
8.2　手寫數(shù)字識(shí)別　136
8.2.1　項(xiàng)目介紹　137
8.2.2　圖像獲取以及預(yù)處理　138
8.2.3　圖像識(shí)別　139
8.2.4　結(jié)果顯示　143
8.3　人臉識(shí)別　143
8.3.1　項(xiàng)目介紹　144
8.3.2　人臉的數(shù)據(jù)集介紹　144
8.3.3　人臉識(shí)別流程　145
8.3.4　人臉識(shí)別方案　145
8.3.5　人臉識(shí)別應(yīng)用　146
8.4　小結(jié)　154
8.5　練習(xí)題　154
第9章　自然語言處理　155
9.1　人工智能自然語言處理介紹　155
9.2　英文語音識(shí)別　156
9.2.1　項(xiàng)目介紹　156
9.2.2　訓(xùn)練模型　156
9.2.3　測試效果　160
9.3　打造智能聊天機(jī)器人　163
9.3.1　seq2seq的機(jī)制原理　163
9.3.2　實(shí)踐　163
9.4　小結(jié)　164
9.5　練習(xí)題　164
第10章　人工智能開放平臺(tái)應(yīng)用　165
10.1　AI開放平臺(tái)介紹　165
10.2　百度AI開放平臺(tái)應(yīng)用　166
10.2.1　百度AI開放平臺(tái)介紹　166
10.2.2　基于百度AI開放平臺(tái)的圖像識(shí)別　166
10.2.3　基于百度AI開放平臺(tái)的語音識(shí)別　170
10.2.4　基于百度AI開放平臺(tái)的人臉識(shí)別　172
10.3　更多AI開放平臺(tái)實(shí)踐　175
10.3.1　騰訊AI開放平臺(tái)　175
10.3.2　阿里AI開放平臺(tái)　175
10.3.3　京東AI開放平臺(tái)　176
10.3.4　小愛AI開放平臺(tái)　176
10.3.5　訊飛AI開放平臺(tái)　177
10.4　小結(jié)　177
10.5　練習(xí)題　177
第11章　綜合實(shí)訓(xùn)案例解析　178
11.1　基于機(jī)械臂的工業(yè)分揀系統(tǒng)　178
11.1.1　項(xiàng)目概要　178
11.1.2　項(xiàng)目設(shè)計(jì)　179
11.1.3　項(xiàng)目實(shí)現(xiàn)　186
11.2　小結(jié)　193
11.3　練習(xí)題　193