欧美人妻少妇精品视频,午夜久久久久

內(nèi)容簡介

　　本書基于***的機器學習框架TensorFlow，專注于新一代人工智能思維與應用開發(fā)能力的培養(yǎng)；有別于傳統(tǒng)課程，不泛泛講解各類人工智能技術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，而是面向典型的場景，精心設計系列案例來引導整個學習過程，激發(fā)學習者的學習興趣和應用創(chuàng)新。案例由淺入深、各有側(cè)重，兼具趣味性和系統(tǒng)性。本書內(nèi)容豐富，應用性和趣味性強，是作者多年來在深度學習應用開發(fā)領域教學研究成果的系統(tǒng)化凝練。本書配有多媒體課件、案例素材和源代碼等教學資源，免費向任課教師提供。與本書配套的慕課（MOOC）已經(jīng)上線開課多輪，廣受學員好評，配合MOOC可以更好地進行教學和學習。本書適合作為高等學校計算機類、信息類專業(yè)和人工智能專業(yè)相關課程的教材，也可作為對人工智能、機器學習和深度學習技術感興趣的科技人員、計算機愛好者及各類自學人員的參考書。

作者簡介

　　吳明暉，博士，浙江大學城市學院計算機系教授，浙江省高等學校教壇新秀、浙江省高校優(yōu)秀教師；浙江省新興特色專業(yè)“計算機科學與技術（重點方向：移動互聯(lián)網(wǎng)應用開發(fā)）”負責人，浙江省高校中青年學科帶頭人；Google公司校企合作專業(yè)綜合改革項目專家委員會委員、谷歌獎教金獲得者。近年來主持多項浙江省新世紀教改項目、浙江省精品在線開放課程、教育部—Google公司產(chǎn)學合作協(xié)同育人項目等，獲浙江省優(yōu)秀教學成果一、二等獎。自2009年開始擔任Google Android移動應用開發(fā)技術師資培訓班講師，2013年開始組織多期App Inventor師資培訓班；受邀在多個全國性教學研討會上進行主題報告，并擔任Google Android移動應用開發(fā)挑戰(zhàn)賽、Google App Inventor應用開發(fā)全國中學生挑戰(zhàn)賽、“中國高校計算機大賽一移動應用創(chuàng)新賽”等多個全國賽項的專家評委，是國內(nèi)移動應用和App Inventor教育的先行者和推廣者。

圖書目錄

第1章人工智能概述
1.1 感受人工智能時代的到來
1.1.1 人機博弈
1.1.2 宇宙探索
1.1.3 人機對話
1.1.4 計算機視覺
1.1.5 自然語言處理
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 人工智能與圖靈測試
1.2.3 人工智能發(fā)展史
1.3 機器學習簡介
1.3.1 人工智能與機器學習
1.3 .2 什么是機器學習
1.3.3 機器學習典型求解問題類型
1.4 深度學習簡介
1.4.1 神經(jīng)元
1.4.2 人工神經(jīng)網(wǎng)絡
1.4.3 深度神經(jīng)網(wǎng)絡
1.4.4 卷積神經(jīng)網(wǎng)絡
1.4.5 深度學習的發(fā)展歷程
1.5 深度學習框架簡介
1.5.1 TensorFIow
1.5.2 Keras
1.5.3 PyTorch
1.5.4 PaddIePaddle
練習和思考題
第2章 TensorFIow發(fā)環(huán)境搭建
2.1 Python程序設計語言
2.2 Anaconda開發(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
實驗
第3章 TensorFIow開發(fā)基礎
3.1 初識TensorFIow
3.1.1 TensorFIow簡介
3.1.2 TensorFIow編程初體驗
3.1.3 TensorFIow名稱的含義
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 計算圖
3.4.1 計算圖的結(jié)構(gòu)
3.4 .2 靜態(tài)圖執(zhí)行模式
3.5 在TensorFIow 2中實現(xiàn)靜態(tài)圖執(zhí)行模式開發(fā)
3.6 TensorFIow 1.X靜態(tài)圖執(zhí)行模式編程概要
3.6.1 體驗案例：計算兩數(shù)之和
3.6.2 會話
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簡介
3.7.2 在TensorBoard中查看圖結(jié)構(gòu)
3.7.3 啟動TensorBoard
練習和思考題
實驗
第4章單變量線性回歸問題：建模與
TensorFIow實戰(zhàn)
4.1 監(jiān)督式機器學習
4.2 單變量線性回歸案例
4.3 監(jiān)督式機器學習中的基本術語
4.3.1 特征和標簽
……
第5章波士頓房價預測：多元線性回歸問題建模與應用
第6章 MNIST手寫數(shù)字識別，分類應用入門
第7章 MNIST手寫數(shù)字識別進階：多層全連接神經(jīng)網(wǎng)絡
第8章泰坦尼克號旅客生存概率預測：Keras綜合應用
第9章 CIFAR-10圖象識別問題：卷積神經(jīng)網(wǎng)絡與應用
第10章 Deep Dream：理解深度神經(jīng)網(wǎng)絡結(jié)構(gòu)及應用
第11章電影評論情感分析：自然語言處理與循環(huán)神經(jīng)網(wǎng)絡應用實踐
第12章貓狗大戰(zhàn)：遷移學習及應用
第13章 Fashion-MNIST圖像生成：生成式對抗網(wǎng)絡及應用
第14章鳶尾花品種識別：Tensor-Flow.js及應用
第15章花卉識別：TensorFlowLite及應用