深度學(xué)習(xí)應(yīng)用開(kāi)發(fā)：TensorFlow實(shí)踐

定　價(jià)：￥54.00

作　者：	吳明暉，李卓蓉，金蒼宏著
出版社：	高等教育出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787040576566	出版時(shí)間：	2022-05-01	包裝：	平裝
開(kāi)本：		頁(yè)數(shù)：	432	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)基于***的機(jī)器學(xué)習(xí)框架TensorFlow，專(zhuān)注于新一代人工智能思維與應(yīng)用開(kāi)發(fā)能力的培養(yǎng)；有別于傳統(tǒng)課程，不泛泛講解各類(lèi)人工智能技術(shù)或是干澀講深層次理論和算法，也不是純粹介紹TensorFlow的編程技能，而是面向典型的場(chǎng)景，精心設(shè)計(jì)系列案例來(lái)引導(dǎo)整個(gè)學(xué)習(xí)過(guò)程，激發(fā)學(xué)習(xí)者的學(xué)習(xí)興趣和應(yīng)用創(chuàng)新。案例由淺入深、各有側(cè)重，兼具趣味性和系統(tǒng)性。本書(shū)內(nèi)容豐富，應(yīng)用性和趣味性強(qiáng)，是作者多年來(lái)在深度學(xué)習(xí)應(yīng)用開(kāi)發(fā)領(lǐng)域教學(xué)研究成果的系統(tǒng)化凝練。本書(shū)配有多媒體課件、案例素材和源代碼等教學(xué)資源，免費(fèi)向任課教師提供。與本書(shū)配套的慕課（MOOC）已經(jīng)上線(xiàn)開(kāi)課多輪，廣受學(xué)員好評(píng)，配合MOOC可以更好地進(jìn)行教學(xué)和學(xué)習(xí)。本書(shū)適合作為高等學(xué)校計(jì)算機(jī)類(lèi)、信息類(lèi)專(zhuān)業(yè)和人工智能專(zhuān)業(yè)相關(guān)課程的教材，也可作為對(duì)人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)感興趣的科技人員、計(jì)算機(jī)愛(ài)好者及各類(lèi)自學(xué)人員的參考書(shū)。

作者簡(jiǎn)介

　　吳明暉，博士，浙江大學(xué)城市學(xué)院計(jì)算機(jī)系教授，浙江省高等學(xué)校教壇新秀、浙江省高校優(yōu)秀教師；浙江省新興特色專(zhuān)業(yè)“計(jì)算機(jī)科學(xué)與技術(shù)（重點(diǎn)方向：移動(dòng)互聯(lián)網(wǎng)應(yīng)用開(kāi)發(fā)）”負(fù)責(zé)人，浙江省高校中青年學(xué)科帶頭人；Google公司校企合作專(zhuān)業(yè)綜合改革項(xiàng)目專(zhuān)家委員會(huì)委員、谷歌獎(jiǎng)教金獲得者。近年來(lái)主持多項(xiàng)浙江省新世紀(jì)教改項(xiàng)目、浙江省精品在線(xiàn)開(kāi)放課程、教育部—Google公司產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目等，獲浙江省優(yōu)秀教學(xué)成果一、二等獎(jiǎng)。自2009年開(kāi)始擔(dān)任Google Android移動(dòng)應(yīng)用開(kāi)發(fā)技術(shù)師資培訓(xùn)班講師，2013年開(kāi)始組織多期App Inventor師資培訓(xùn)班；受邀在多個(gè)全國(guó)性教學(xué)研討會(huì)上進(jìn)行主題報(bào)告，并擔(dān)任Google Android移動(dòng)應(yīng)用開(kāi)發(fā)挑戰(zhàn)賽、Google App Inventor應(yīng)用開(kāi)發(fā)全國(guó)中學(xué)生挑戰(zhàn)賽、“中國(guó)高校計(jì)算機(jī)大賽一移動(dòng)應(yīng)用創(chuàng)新賽”等多個(gè)全國(guó)賽項(xiàng)的專(zhuān)家評(píng)委，是國(guó)內(nèi)移動(dòng)應(yīng)用和App Inventor教育的先行者和推廣者。

圖書(shū)目錄

第1章人工智能概述
1.1 感受人工智能時(shí)代的到來(lái)
1.1.1 人機(jī)博弈
1.1.2 宇宙探索
1.1.3 人機(jī)對(duì)話(huà)
1.1.4 計(jì)算機(jī)視覺(jué)
1.1.5 自然語(yǔ)言處理
1.1.6 智能診斷、推薦系統(tǒng)
1.1.7 智能交通
1.1.8 機(jī)器人
1.2 人工智能發(fā)展概述，跌宕起伏的多年
1.2.1 人工智能起源
1.2.2 人工智能與圖靈測(cè)試
1.2.3 人工智能發(fā)展史
1.3 機(jī)器學(xué)習(xí)簡(jiǎn)介
1.3.1 人工智能與機(jī)器學(xué)習(xí)
1.3 .2 什么是機(jī)器學(xué)習(xí)
1.3.3 機(jī)器學(xué)習(xí)典型求解問(wèn)題類(lèi)型
1.4 深度學(xué)習(xí)簡(jiǎn)介
1.4.1 神經(jīng)元
1.4.2 人工神經(jīng)網(wǎng)絡(luò)
1.4.3 深度神經(jīng)網(wǎng)絡(luò)
1.4.4 卷積神經(jīng)網(wǎng)絡(luò)
1.4.5 深度學(xué)習(xí)的發(fā)展歷程
1.5 深度學(xué)習(xí)框架簡(jiǎn)介
1.5.1 TensorFIow
1.5.2 Keras
1.5.3 PyTorch
1.5.4 PaddIePaddle
練習(xí)和思考題
第2章 TensorFIow發(fā)環(huán)境搭建
2.1 Python程序設(shè)計(jì)語(yǔ)言
2.2 Anaconda開(kāi)發(fā)環(huán)境搭建
2.2.1 下載Anaconda
2.2.2 安裝Anaconda
2.2.3 查看Anaconda環(huán)境
2.2.4 Jupyter Notebook
2.3 安裝TensorFIow
2.3.1 新建專(zhuān)用虛擬環(huán)境
2.3.2 使用conda安裝TensorFIow
2.3.3 使用pip安裝TensorFIow
實(shí)驗(yàn)
第3章 TensorFIow開(kāi)發(fā)基礎(chǔ)
3.1 初識(shí)TensorFIow
3.1.1 TensorFIow簡(jiǎn)介
3.1.2 TensorFIow編程初體驗(yàn)
3.1.3 TensorFIow名稱(chēng)的含義
3.2 張量
3.2.1 張量的概念
3.2.2 張量的屬性
3.3 常量與變量
3.3.1 常量constant
3.3.2 變量Variable
3.4 計(jì)算圖
3.4.1 計(jì)算圖的結(jié)構(gòu)
3.4 .2 靜態(tài)圖執(zhí)行模式
3.5 在TensorFIow 2中實(shí)現(xiàn)靜態(tài)圖執(zhí)行模式開(kāi)發(fā)
3.6 TensorFIow 1.X靜態(tài)圖執(zhí)行模式編程概要
3.6.1 體驗(yàn)案例：計(jì)算兩數(shù)之和
3.6.2 會(huì)話(huà)
3.6.3 變量與變量初始化
3.6.4 占位符、數(shù)據(jù)提交和數(shù)據(jù)提取
3.7 TensorBoard可視化初步
3.7.1 TensorBoard簡(jiǎn)介
3.7.2 在TensorBoard中查看圖結(jié)構(gòu)
3.7.3 啟動(dòng)TensorBoard
練習(xí)和思考題
實(shí)驗(yàn)
第4章單變量線(xiàn)性回歸問(wèn)題：建模與
TensorFIow實(shí)戰(zhàn)
4.1 監(jiān)督式機(jī)器學(xué)習(xí)
4.2 單變量線(xiàn)性回歸案例
4.3 監(jiān)督式機(jī)器學(xué)習(xí)中的基本術(shù)語(yǔ)
4.3.1 特征和標(biāo)簽
……
第5章波士頓房?jī)r(jià)預(yù)測(cè)：多元線(xiàn)性回歸問(wèn)題建模與應(yīng)用
第6章 MNIST手寫(xiě)數(shù)字識(shí)別，分類(lèi)應(yīng)用入門(mén)
第7章 MNIST手寫(xiě)數(shù)字識(shí)別進(jìn)階：多層全連接神經(jīng)網(wǎng)絡(luò)
第8章泰坦尼克號(hào)旅客生存概率預(yù)測(cè)：Keras綜合應(yīng)用
第9章 CIFAR-10圖象識(shí)別問(wèn)題：卷積神經(jīng)網(wǎng)絡(luò)與應(yīng)用
第10章 Deep Dream：理解深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及應(yīng)用
第11章電影評(píng)論情感分析：自然語(yǔ)言處理與循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)踐
第12章貓狗大戰(zhàn)：遷移學(xué)習(xí)及應(yīng)用
第13章 Fashion-MNIST圖像生成：生成式對(duì)抗網(wǎng)絡(luò)及應(yīng)用
第14章鳶尾花品種識(shí)別：Tensor-Flow.js及應(yīng)用
第15章花卉識(shí)別：TensorFlowLite及應(yīng)用