新書推薦：
《
银行业架构网络BIAN（全球数字化时代金融服务业框架）（数字化转型与创新管理丛书）
》
售價：NT$
449.0
《
金托邦：江湖中的沉重正义
》
售價：NT$
275.0
《
易经今解：释疑·解惑·见微
》
售價：NT$
403.0
《
东欧史（全二册）-“中间地带”的困境
》
售價：NT$
1010.0
《
虚拟资本：金融怎样挪用我们的未来
》
售價：NT$
352.0
《
刻意练习不生气
》
售價：NT$
179.0
《
大宋理财：青苗法与王安石的金融帝国（全彩插图本）
》
售價：NT$
500.0
《
安全感是内心长出的盔甲
》
售價：NT$
305.0
|
| 編輯推薦： |
|
1．编写主体体现校企双元组合2．教材内容项目化3．将“1+X”内容充分融入教材，职业技能标准规范化
|
| 內容簡介： |
|
本书按照“强基础、重应用”的原则进行编写，在内容的安排上采用“理论+实践”的方式，由浅入深，选取的项目可以让学生很快上手。本书主要包括8个项目，分别为搭建TensorFlow开发环境，手写数字识别：TensorFlow初探，房价预测：前馈神经网络，服装图像识别：Keras搭建与训练模型，图像识别：卷积神经网络，AI诗人：循环神经网络，预测汽车油耗效率：TensorFlow.js应用开发，花卉识别：TensorFlow Lite。本书既可以作为高等职业院校、应用型本科院校的计算机类、电子信息类、通信类及自动化类等专业的教材，也可以作为各种技能认证考试的参考用书，还可以作为相关技术人员的参考用书。
|
| 目錄：
|
|
前言二维码资源清单项目1 搭建TensorFlow开发环境1项目描述1思维导图1项目目标11.1 人工智能、机器学习与深度学习21.1.1 人工智能21.1.2 机器学习21.1.3 深度学习41.2 深度学习简介51.2.1 深度学习发展简史51.2.2 深度学习的工作原理71.2.3 深度学习的应用91.3 任务1：认识深度学习框架131.3.1 TensorFlow131.3.2 Keras141.3.3 PyTorch141.3.4 Caffe151.3.5 MXNet151.3.6 PaddlePaddle161.4 任务2：搭建深度学习开发环境171.4.1 安装Anaconda171.4.2 使用Conda管理环境201.4.3 安装TensorFlow211.4.4 常用编辑器22拓展项目24 项目2 手写数字识别：TensorFlow初探26项目描述26思维导图26项目目标262.1 TensorFlow架构272.1.1 TensorFlow架构图272.1.2 TensorFlow 1.x和2.0之间的差异282.1.3 TensorFlow数据流图292.1.4 TensorFlow运行机制312.2 任务1：张量的基本操作322.2.1 张量的阶、形状、数据类型322.2.2 现实世界中的数据张量352.2.3 MNIST数据集392.2.4 索引与切片432.2.5 维度变换472.2.6 广播机制512.3 任务2：张量的进阶操作542.3.1 合并与分割542.3.2 大值、小值、均值、和582.3.3 张量比较602.3.4 张量排序632.3.5 张量中提取数值64拓展项目65项目3 房价预测：前馈神经网络67项目描述67思维导图67项目目标673.1 任务1：实现一元线性回归模型683.1.1 准备数据693.1.2 构建模型693.1.3 迭代训练703.1.4 保存和读取模型713.2 认识神经网络723.2.1 神经元723.2.2 激活函数743.3 任务2：房价预测783.3.1 准备数据集793.3.2 构建模型813.3.3 训练模型833.4 前馈神经网络873.4.1 前馈神经网络拓扑结构873.4.2 损失函数893.4.3 反向传播算法923.4.4 梯度下降算法95拓展项目100项目4 服装图像识别：Keras搭建与训练模型102项目描述102思维导图102项目目标1024.1 认识tf.keras1034.1.1 Keras与tf.keras1034.1.2 层（Layer）1044.1.3 模型（Model）1064.2 任务1：服装图像识别1084.2.1 构建模型1084.2.2 训练模型1114.2.3 评估模型1154.3 任务2：保存与加载模型1164.3.1 SavedModel方式保存模型1174.3.2 H5格式保存模型1184.3.3 检查点（Checkpoint）格式保存模型1194.4 任务3：tf.data优化训练数据1204.4.1 训练数据输入模型的方法1204.4.2 tf.data API1214.4.3 tf.data.Dataset1224.5 任务4：花卉识别1254.5.1 下载图片1254.5.2 构建花卉数据集1274.5.3 构建与训练模型1294.5.4 保存与加载模型130拓展项目131项目5 图像识别：卷积神经网络132项目描述132思维导图132项目目标1325.1 认识卷积神经网络1335.1.1 卷积神经网络发展历史1335.1.2 全连接神经网络的问题1345.2 卷积神经网络基本结构1355.2.1 卷积运算1355.2.2 填充1365.2.3 步长1375.2.4 多输入通道和多输出通道1385.2.5 池化层1395.3 TensorFlow对卷积神经网络的支持1405.3.1 卷积函数1415.3.2 池化函数1445.4 任务1：识别CIFAR-10图像1455.4.1 卷积网络的整体结构1455.4.2 CIFAR-10数据集1465.4.3 构造卷积神经网络模型1485.4.4 编译、训练并评估模型1495.5 任务2：搭建经典卷积网络1505.5.1 图像识别的难题1515.5.2 AlexNet1525.5.3 VGG系列1545.5.4 ResNet1565.6 任务3：ResNet实现图像识别1585.6.1 ResNet模型结构1585.6.2 BasicBlock类1595.6.3 搭建ResNet网络模型1605.6.4 加载数据集并训练模型162拓展项目163项目6 AI诗人：循环神经网络164项目描述164思维导图164项目目标1646.1 认识循环神经网络1656.1.1 循环神经网络发展历史1656.1.2 循环神经网络的应用1666.1.3 循环神经网络的作用1666.2 任务1：电影评论分类1676.2.1 IMDb数据集1676.2.2 使用全连接神经网络1696.2.3 循环神经网络典型结构1706.2.4 SimpleRNNCell使用方法1716.2.5 RNN分类IMDb数据集1736.2.6 RNN梯度消失1766.3 任务2：AI诗人1766.3.1 长短期记忆（LSTM）1766.3.2 文本生成：AI诗人178拓展项目184项目7 预测汽车油耗效率：TensorFlow.js应用开发186项目描述186思维导图186项目目标1867.1 认识TensorFlow.js1877.1.1 TensorFlow.js的优点1877.1.2 TensorFlow.js 的核心概念1887.1.3 TensorFlow.js 环境配置1907.2 任务1：预测汽车油耗效率1937.2.1 创建主页并加载数据1947.2.2 定义模型结构1967.2.3 数据预处理1967.2.4 训练与测试模型1977.3 任务2：手写数字识别2007.3.1 从GitHub获取源码并运行2007.3.2 创建相关文件2017.3.3 定义模型结构2037.3.4 训练模型2067.3.5 使用模型进行评估与预测208拓展项目210 项目8 花卉识别：TensorFlow Lite211项目描述211思维导图211项目目标2118.1 认识TensorFlow Lite2128.1.1 TensorFlow Lite发展历史2128.1.2 TensorFlow Lite的应用2138.2 TensorFlow Lite体系结构2138.2.1 TensorFlow Lite整体架构2138.2.2 TensorFlow Lite转换器2148.2.3 FlatBuffers格式2158.2.4 TensorFlow Lite解释执行器2158.3 任务1：TensorFlow Lite开发工作流程2168.3.1 选择模型2168.3.2 模型转换2188.3.3 模型推理2198.3.4 优化模型2208.4 任务2：TensorFlow Lite实现花卉识别2208.4.1 选择模型2218.4.2 Android部署226拓展项目233参考文献 234
|
| 內容試閱：
|
|
人工智能是新一轮科技革命和产业变革的核心驱动力，给我国经济社会带来了极其深远的影响，既为促进经济建设注入了新动能，又为服务社会发展带来了新机遇。2019年，全国有171所高职院校开设了人工智能技术服务专业，为我国人工智能技术的发展提供科技和人才支撑，推动我国人工智能技术迈向新的高度。深度学习带来了机器学习技术的革命，参与了人类重大的工程挑战，比如自动驾驶、医疗诊断和预测、跨语言的自由交流、更通用的人工智能系统等领域。本书主要介绍基于深度学习的基本概念以及TensorFlow深度学习框架应用开发技术，不仅介绍了深度学习的基础理论和主流的模型及算法（包括神经网络、卷积神经网络、循环神经网络等），而且重点讲解了如何基于TensorFlow框架针对不同的应用场景进行深度学习模型的选择、构建和应用。TensorFlow是Google于 2011 年发布的用于机器学习和深度学习功能的开源框架，在学术、科研和工业领域得到了广泛应用。本书省略了烦琐的深度学习数学模型的推导，从实际应用问题出发，通过具体的项目介绍如何使用深度学习解决实际问题，主要包括手写数字识别、房价预测、服装图像识别、AI诗人、花卉识别等经典深度学习项目。在项目讲解过程中深入浅出地介绍了TensorFlow常用模块的使用方法，建立和训练模型的方式，在服务器、嵌入式设备和浏览器等平台部署模型的方法。本书包括8个项目，分别为搭建TensorFlow开发环境，手写数字识别：TensorFlow初探，房价预测：前馈神经网络，服装图像识别：Keras搭建与训练模型，图像识别：卷积神经网络，AI诗人：循环神经网络，预测汽车油耗效率：TensorFlow.js应用开发和花卉识别：TensorFlow Lite。本书的编写理念是“以学生能力提升为本位”，指导原则是“理论以够用为度，技能以实用为本”，编写团队精心设置教学内容，重构知识与技能组织形式，体现案例教学、任务驱动等教学改革成果。本书主要特色与创新如下。1．编写主体体现校企双元组合职业教育的课堂教学需要及时反映技术发展的新动态，为了编写出高质量的工作手册式教材，制定合理的编写流程，需明确学校编写人员和企业编写人员的科学分工。企业编写人员将企业案例汇聚到实践项目中，把企业项目转化为教学项目，学校编写人员按照教学规律对技术内容进行适当转化和合理编排，这实质上是人才供需双方在人才培养目标和培养方式上达成共识的过程，也是一种取长补短、优势互补的协同化工作方式。2．教材内容项目化按照人工智能专业高素质技能人才必备的素质、知识和能力要求，将这些目标落实在基于真实工作过程的学习性工作任务载体中，围绕“将真实企业项目转化为教学任务，以项目为背景，以知识为主线，以提高能力和兴趣为目的，全面提升技能水平和职业素养”的思路进行教材设计，完整呈现企业典型项目的开发过程。3．将“1+X”内容充分融入教材，职业技能标准规范化本书涉及的知识点在“1+X”计算机视觉应用开发职业技能等级证书考核体系中占有相当大的比例，深入研究职业技能等级标准与有关专业教学标准，将证书培训考核知识点有机融入教材内容，推进书证融通、课证融通。积极发挥职业技能等级证书在促进院校人才培养、实施职业技能水平评价等方面的优势。本书编写团队由江苏省科技创新团队、江苏省青蓝工程优秀教学团队核心成员、国家精品在线开放课程开发团队中的骨干教师组成，包括平震宇、匡亮、沈冠林、朱莹芳、凌路、高云、李涛、李阳、朱二喜。同时，吸收了知名企业一线专家深度参与本书的编写，无锡新思联信息技术有限公司的邓慧斌、徐佳，联合新大陆、澳鹏科技（无锡）有限公司以及瀚云科技有限公司等企业将其项目转化为教学项目。在本书的编写过程中，得到了江苏信息职业技术学院孙萍、顾晓燕、华驰等老师的大力支持与帮助，他们为本书的编写提出了许多宝贵的意见和建议，在此向他们表示衷心的感谢。虽然对书中所述内容尽量核实，并进行了多次文字校对，但因时间所限，书中难免有疏漏之处，恳请广大读者批评指正。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
