新書推薦：
《
组队：超级个体时代的协作方式
》
售價：NT$
352.0
《
第十三位陪审员
》
售價：NT$
245.0
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
《
Python贝叶斯深度学习
》
售價：NT$
407.0
《
文本的密码：社会语境中的宋代文学
》
售價：NT$
306.0
《
启微·狂骉年代：西洋赛马在中国
》
售價：NT$
357.0
《
有趣的中国古建筑
》
售價：NT$
305.0
《
十一年夏至
》
售價：NT$
347.0
|
| 編輯推薦： |
|
本书遵循职业教育教材编写规律和职业院校学生学习规律，配套齐全
|
| 內容簡介： |
|
本书从基本的人工智能理论出发，使用Python语言编程，基于TensorFlow和Keras深度学习框架，以理论讲解为基础，以项目实战为导向，系统地讲述了人工智能、深度学习和计算机视觉中相关的基本概念、理论方法和经典算法。既有对基础知识和理论模型的介绍，也有对计算机视觉相关领域实际案例的实现方法和技术技巧的详细阐述。本书尽量避免了复杂烦琐的数学公式，仅涉及少量且必要的数学知识。在内容上，本书首先概述了深度学习的基本理论，然后介绍了深度学习框架TensorFlow的基础知识、安装和使用方法，引申出高级神经网络API，即Keras框架，并且介绍了Keras框架的核心模块和一系列建模方法，为后续完成项目实战做准备。最后讲解了神经网络的原理，从回归和分类两大类问题出发，实现了回归和图像分类等实战案例，并介绍了如何使用迁移学习的方法快速搭建网络模型。本书可作为各类职业院校人工智能技术应用及相关专业的教材，也可以作为深度学习爱好者的参考书。本书配有电子课件等课程资源，选用本书作为授课教材的教师可登录机械工业出版社教育服务网（wwwcmpeducom）注册账号后免费下载，或联系编辑（010-88379807）咨询。
|
| 目錄：
|
|
目录前言单元1认识深度学习11人工智能、机器学习与深度学习12深度学习的应用13主流的深度学习框架14开发环境的安装单元小结课后习题单元2深度学习框架TensorFlow21TensorFlow介绍22TensorFlow数学基础23TensorFlow基本数据类型24张量的物理意义及应用25实战案例——TensorFlow优化程序26实战案例——基于TensorFlow框架的线性回归实现单元小结课后习题单元3高级神经网络API31Keras基础32Keras体系结构33Keras框架模型构建流程34实战案例——基于多层感知器的MNIST手写数字识别35实战案例——用Keras实现花朵图像分类单元小结课后习题单元4神经网络41人工神经网络42感知器43全连接神经网络44激活函数45实战案例——基于全连接神经网络的MNIST手写数字识别46卷积和卷积神经网络47卷积层的变体48经典的卷积神经网络49实战案例——基于LeNet5的Fashion_MNIST图像分类单元小结课后习题单元5回归问题51回归的概念和基本原理52回归问题的损失函数53实战案例——汽车燃油效率预测54过拟合与欠拟合55过拟合的解决办法56实战案例——房价预测模型搭建单元小结课后习题单元6分类问题61图像分类的应用62图像分类面临的挑战63图像分类的方法64图像二分类65实战案例——基于卷积神经网络的猫狗图像分类66图像多分类67实战案例——基于卷积神经网络的CIFAR10图像分类单元小结课后习题单元7迁移学习71迁移学习的基本问题72迁移学习的应用领域73迁移学习的训练方法与技巧74实战案例——基于迁移学习的猫狗图像分类单元小结课后习题参考文献
|
| 內容試閱：
|
|
前言党的二十大报告提出“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。”人工智能技术迅猛发展，从火车站闸机的人脸识别、手机的语音识别，到自动驾驶的发展，这些与人们生活息息相关的方方面面，无不体现着人工智能技术带来的便利性。这些智能产品的背后，都离不开机器学习技术的支持，离不开大数据、计算机算力的发展。深度学习是机器学习领域的一个研究方向，是通往人工智能的核心技术。深度学习主要围绕神经网络开展研究，深度神经网络能够学习样本数据的内在规律和表示层次，这些规律能够很好地解释诸如文字、图像和声音等数据。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。因此，学好深度学习是掌握人工智能相关技术的必由之路。本书的编写在模式上采用了“理论+实践”的方式，对于某个知识模块，首先讲解其基础理论，然后通过项目实战加以运用，用理论知识指导实践，用实践巩固理论知识。本书由高职资深教授、专业讲师和企业工程师联合编写，理论知识难易程度贴合高职人工智能技术应用专业教学要求，实战案例由高职人工智能大赛真实项目转化而来。编写内容上从高职学生学习的角度出发，尽可能将抽象的知识具体化、深奥的理论形象化、复杂的过程简单化，使学生能够通俗易懂地学习深度学习理论知识体系，轻松地掌握通用的人工智能实践技能。 本书共7个单元，单元1介绍了深度学习的相关概念以及常用的深度学习框架，并详细讲述了开发环境的部署和常用Python库的安装流程。单元2主要介绍了本书使用的深度学习框架TensorFlow，包括TensorFlow的数学基础、基本数据类型以及TensorFlow中的常见概念，通过TensorFlow框架实现两个案例，学习使用TensorFlow框架建模的流程。单元3讲解了高级神经网络API，即Keras，通过实战案例重点讲解了使用Keras框架的建模流程和方法，后续单元中的案例均使用Keras框架完成。单元4内容是深度学习的核心理论——神经网络，主要讲解全连接神经网络和卷积神经网络的原理与实现方法，并通过实战案例讲解了使用神经网络进行图像处理的具体流程。单元5介绍了回归问题，主要讲解深度学习中回归问题的理论，并通过房价回归模型和汽车油耗预测两个案例，加深学生对回归问题的理解。单元6介绍了分类问题，重点围绕图像分类，介绍使用卷积神经网络处理图像的问题。单元7介绍了迁移学习的概念、具体方法，并通过猫狗图像分类案例介绍了迁移学习的具体步骤。本书建议授课时长为64学时，各单元学时分配如下：单元名称建议学时单元1认识深度学习4单元2深度学习框架TensorFlow10单元3高级神经网络API10单元4神经网络12单元5回归问题10单元6分类问题10单元7迁移学习8本书由国基北盛（南京）科技发展有限公司组编，王秀翠、李永亮、王春莲任主编，郝炯驹、王婧、刘洪海、张传勇任副主编，参与编写的还有张艺耀、陶云亭、孙尧、谭智峰、董蕾。其中，王秀翠负责编写单元1，李永亮负责编写单元2，王春莲和董蕾负责编写单元3，郝炯驹和谭智峰负责编写单元4，王婧和孙尧负责编写单元5，刘洪海和陶云亭负责编写单元6，张传勇和张艺耀负责编写单元7。本书在编写过程中得到了山东商业职业技术学院、山东交通职业学院、德州职业技术学院、黄河水利职业技术学院、东营科技职业学院、济南职业学院、威海海洋职业学院、枣庄科技职业学院、滨州职业学院、济宁职业技术学院、山东信息职业技术学院和山东电子职业技术学院的大力支持，在此表示感谢。由于编者水平有限，书中难免存在疏漏和不足之处，恳请读者批评指正。编者
|
|
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
