中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能技術應用導論/聶明 版權信息
- ISBN：9787121353116
- 條形碼：9787121353116 ; 978-7-121-35311-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能技術應用導論/聶明 本書特色
本書是“人工智能技術應用核心課程系列教材”的*本，通過對人工智能基礎概念、技術分類、開發(fā)平臺、應用場景和開發(fā)運行環(huán)境及編程語言等的系統(tǒng)介紹，結合樣板程序、經典案例的上機實踐與代碼分析，使初學者快速地對人工智能的技術全貌建立起系統(tǒng)的認識，并且掌握典型應用開發(fā)環(huán)境與平臺的安裝、配置及應用編程基礎技術。本書非常適合：對人工智能、機器學習和深度學習感興趣的讀者；需要掌握人工智能通識知識的政府、企事業(yè)人員和高校學生；需要先行快速了解人工智能全貌、為后續(xù)深入學習奠定基礎的高職相關專業(yè)的學生；期望快速進入智能文本分析、圖像識別、語音處理、機器視覺、智能機器人等人工智能應用領域從事研發(fā)工作的工程技術人員。
人工智能技術應用導論/聶明 內容簡介
本書是“人工智能技術應用核心課程系列教材”的本，通過對人工智能基礎概念、技術分類、開發(fā)平臺、應用場景和開發(fā)運行環(huán)境及編程語言等的系統(tǒng)介紹，結合樣板程序、經典案例的上機實踐與代碼分析，使初學者快速地對人工智能的技術全貌建立起系統(tǒng)的認識，并且掌握典型應用開發(fā)環(huán)境與平臺的安裝、配置及應用編程基礎技術。本書很好適合：對人工智能、機器學習和深度學習感興趣的讀者；需要掌握人工智能通識知識的政府、企事業(yè)人員和高校學生；需要先行快速了解人工智能全貌、為后續(xù)深入學習奠定基礎的高職相關專業(yè)的學生；期望快速進入智能文本分析、圖像識別、語音處理、機器視覺、智能機器人等人工智能應用領域從事研發(fā)工作的工程技術人員。
人工智能技術應用導論/聶明 目錄
第1章 人工智能的產生與發(fā)展 1
1.1 引言—激動人心的AI-2016 1
1.2 人工智能的產生與發(fā)展 6
1.3 認識人工智能的賦能 9
1.4 人工智能、機器學習與深度學習 18
1.5 算法、算力與大數據 22
1.6 人工智能的產業(yè)生態(tài) 24
1.6.1 人工智能產業(yè)鏈的三層劃分 24
1.6.2 基礎層 25
1.6.3 技術層 29
1.6.4 應用層 30
1.7 科技巨頭在AI領域的布局 31
1.7.1 國外科技巨頭在AI領域的布局 31
1.7.2 中國科技巨頭在AI領域的布局 33
1.7.3 全球各國人工智能政策 37
1.7.4 中美競賽 38
1.8 人工智能技術應用的學習路徑 38
第2章 人工智能典型應用展現與體驗 40
2.1 科大訊飛語音綜合服務開放平臺 40
2.2 指紋識別 46
2.3 人臉識別系統(tǒng) 49
2.4 電子商務人工智能應用 50
2.5 商業(yè)智能 55
2.6 智能商用服務機器人 59
2.7 智能視頻監(jiān)控 67
第3章 Python語言基礎 73
3.1 Python語言的產生與發(fā)展 73
3.2 Python開發(fā)環(huán)境搭建 74
3.3 Python常用語句 81
3.4 列表、元組、字典和字符串 87
3.5 Python的函數 96
3.5.1 自定義函數 96
3.5.2 Python常用內置函數 100
3.6 Python矩陣運算 103
3.7 Python庫 106
3.8 典型樣板程序 107
第4章 Python數據處理 112
4.1 常見數據集簡介 112
4.1.1 MNIST數據集 112
4.1.2 CTW數據集 114
4.2 數據收集、整理與清洗 115
4.2.1 數據收集 115
4.2.2 數據整理 122
4.2.3 數據清洗 125
4.3 數據分析 130
4.3.1 CSV文件 130
4.3.2 Excel文件 134
4.3.3 數據庫 139
4.4 數據可視化 141
4.4.1 matplotlib庫應用 141
4.4.2 pandas庫應用 144
4.4.3 seaborn應用 145
4.5 圖像處理 146
4.5.1 數字圖像處理技術 146
4.5.2 圖像格式的轉化 147
4.5.3 Python圖像處理 149
第5章 機器學習及其典型算法應用 155
5.1 機器學習簡介 155
5.1.1 基本含義 155
5.1.2 應用場景 155
5.1.3 機器學習類型 157
5.1.4 相關術語 159
5.1.5 scikit-learn平臺 160
5.2 分類任務 163
5.2.1 分類的含義 163
5.2.2 分類主要算法 164
5.2.3 分類任務示例 167
5.3 回歸任務 171
5.3.1 回歸的含義 171
5.3.2 回歸主要算法 171
5.3.3 回歸任務示例 171
5.4 聚類任務 175
5.4.1 聚類的含義 175
5.4.2 聚類主要算法 175
5.4.3 聚類任務示例 177
5.5 機器學習應用實例 178
5.5.1 手寫數字識別 178
5.5.2 波士頓房價預測 180
第6章 神經網絡及其基礎算法應用 187
6.1 神經網絡簡介 187
6.1.1 神經網絡的概念與地位 187
6.1.2 生物神經元 188
6.1.3 人工神經元模型與神經網絡 189
6.1.4 感知器算法及應用示例 191
6.2 前饋型神經網絡 195
6.2.1 前饋神經網絡模型 195
6.2.2 反向傳播神經網絡 196
6.2.3 反向傳播神經網絡算法規(guī)則 197
6.2.4 反向傳播神經網絡應用示例 198
6.3 反饋型神經網絡 202
6.3.1 反饋神經網絡模型 202
6.3.2 離散Hopfield神經網絡 203
6.3.3 連續(xù)Hopfield神經網絡 208
6.3.4 用DHNN識別殘缺的字母 211
6.4 卷積神經網絡 214
6.4.1 卷積與卷積神經網絡簡介 214
6.4.2 卷積神經網絡的結構—以LeNet-5為例 217
6.4.3 CNN的學習規(guī)則 226
6.4.4 CNN應用示例 228
第7章 深度學習及其典型算法應用 232
7.1 神經網絡可視化工具—PlayGround 232
7.2 TensorFlow深度學習平臺 240
7.2.1 TensorFlow簡介 240
7.2.2 TensorFlow開發(fā)環(huán)境搭建 242
7.2.3 TensorFlow的組成模型 248
7.2.4 TensorFlow的HelloWorld程序示例 258
7.2.5 TensorFlow實現線性回歸 259
7.2.6 TensorFlow實現全連接神經網絡 261
7.3 深度學習在MNIST圖像識別中的應用 263
7.3.1 MNIST數據集及其識別方法 263
7.3.2 全連接神經網絡識別MNIST圖像 266
7.3.3 卷積神經網絡識別MNIST圖像 267
7.3.4 循環(huán)神經網絡識別MNIST圖像 270
7.4 典型深度學習平臺 274
7.4.1 典型深度學習平臺簡介 274
7.4.2 樣板深度學習平臺的體驗與分析 275
第8章 人工智能的機遇、挑戰(zhàn)與未來 284
8.1 人工智能的行業(yè)應用日趨火爆 284
8.2 “智能代工”大潮來襲 287
8.3 新IT、智聯網與社會信息物理系統(tǒng) 289
8.4 人工智能的未來 293
8.4.1 發(fā)展趨勢預測 293
8.4.2 中國的人工智能布局 295
8.4.3 全球人工智能的產業(yè)規(guī)模 299
8.5 人工智能面臨的挑戰(zhàn) 300
8.5.1 人工智能面臨的人才挑戰(zhàn) 300
8.5.2 人工智能面臨的技術挑戰(zhàn) 301
8.5.3 人工智能面臨的法律、安全與倫理挑戰(zhàn) 301
8.6 擁抱人工智能的明天 305
附錄A VirtualBox虛擬機軟件與Linux的安裝和配置 310
附錄B Linux（Ubuntu 14.4）的基本命令與使用 333
附錄C GitHub代碼托管平臺 338
附錄D Docker技術與應用 342
附錄E 人工智能的數學基礎與工具 344
附錄F 公開數據集介紹與下載 355
附錄G 人工智能的網絡學習資源 360
附錄H 人工智能的技術圖譜 363
附錄I 人工智能技術應用就業(yè)崗位與技能需求 366
參考文獻 371
1.1 引言—激動人心的AI-2016 1
1.2 人工智能的產生與發(fā)展 6
1.3 認識人工智能的賦能 9
1.4 人工智能、機器學習與深度學習 18
1.5 算法、算力與大數據 22
1.6 人工智能的產業(yè)生態(tài) 24
1.6.1 人工智能產業(yè)鏈的三層劃分 24
1.6.2 基礎層 25
1.6.3 技術層 29
1.6.4 應用層 30
1.7 科技巨頭在AI領域的布局 31
1.7.1 國外科技巨頭在AI領域的布局 31
1.7.2 中國科技巨頭在AI領域的布局 33
1.7.3 全球各國人工智能政策 37
1.7.4 中美競賽 38
1.8 人工智能技術應用的學習路徑 38
第2章 人工智能典型應用展現與體驗 40
2.1 科大訊飛語音綜合服務開放平臺 40
2.2 指紋識別 46
2.3 人臉識別系統(tǒng) 49
2.4 電子商務人工智能應用 50
2.5 商業(yè)智能 55
2.6 智能商用服務機器人 59
2.7 智能視頻監(jiān)控 67
第3章 Python語言基礎 73
3.1 Python語言的產生與發(fā)展 73
3.2 Python開發(fā)環(huán)境搭建 74
3.3 Python常用語句 81
3.4 列表、元組、字典和字符串 87
3.5 Python的函數 96
3.5.1 自定義函數 96
3.5.2 Python常用內置函數 100
3.6 Python矩陣運算 103
3.7 Python庫 106
3.8 典型樣板程序 107
第4章 Python數據處理 112
4.1 常見數據集簡介 112
4.1.1 MNIST數據集 112
4.1.2 CTW數據集 114
4.2 數據收集、整理與清洗 115
4.2.1 數據收集 115
4.2.2 數據整理 122
4.2.3 數據清洗 125
4.3 數據分析 130
4.3.1 CSV文件 130
4.3.2 Excel文件 134
4.3.3 數據庫 139
4.4 數據可視化 141
4.4.1 matplotlib庫應用 141
4.4.2 pandas庫應用 144
4.4.3 seaborn應用 145
4.5 圖像處理 146
4.5.1 數字圖像處理技術 146
4.5.2 圖像格式的轉化 147
4.5.3 Python圖像處理 149
第5章 機器學習及其典型算法應用 155
5.1 機器學習簡介 155
5.1.1 基本含義 155
5.1.2 應用場景 155
5.1.3 機器學習類型 157
5.1.4 相關術語 159
5.1.5 scikit-learn平臺 160
5.2 分類任務 163
5.2.1 分類的含義 163
5.2.2 分類主要算法 164
5.2.3 分類任務示例 167
5.3 回歸任務 171
5.3.1 回歸的含義 171
5.3.2 回歸主要算法 171
5.3.3 回歸任務示例 171
5.4 聚類任務 175
5.4.1 聚類的含義 175
5.4.2 聚類主要算法 175
5.4.3 聚類任務示例 177
5.5 機器學習應用實例 178
5.5.1 手寫數字識別 178
5.5.2 波士頓房價預測 180
第6章 神經網絡及其基礎算法應用 187
6.1 神經網絡簡介 187
6.1.1 神經網絡的概念與地位 187
6.1.2 生物神經元 188
6.1.3 人工神經元模型與神經網絡 189
6.1.4 感知器算法及應用示例 191
6.2 前饋型神經網絡 195
6.2.1 前饋神經網絡模型 195
6.2.2 反向傳播神經網絡 196
6.2.3 反向傳播神經網絡算法規(guī)則 197
6.2.4 反向傳播神經網絡應用示例 198
6.3 反饋型神經網絡 202
6.3.1 反饋神經網絡模型 202
6.3.2 離散Hopfield神經網絡 203
6.3.3 連續(xù)Hopfield神經網絡 208
6.3.4 用DHNN識別殘缺的字母 211
6.4 卷積神經網絡 214
6.4.1 卷積與卷積神經網絡簡介 214
6.4.2 卷積神經網絡的結構—以LeNet-5為例 217
6.4.3 CNN的學習規(guī)則 226
6.4.4 CNN應用示例 228
第7章 深度學習及其典型算法應用 232
7.1 神經網絡可視化工具—PlayGround 232
7.2 TensorFlow深度學習平臺 240
7.2.1 TensorFlow簡介 240
7.2.2 TensorFlow開發(fā)環(huán)境搭建 242
7.2.3 TensorFlow的組成模型 248
7.2.4 TensorFlow的HelloWorld程序示例 258
7.2.5 TensorFlow實現線性回歸 259
7.2.6 TensorFlow實現全連接神經網絡 261
7.3 深度學習在MNIST圖像識別中的應用 263
7.3.1 MNIST數據集及其識別方法 263
7.3.2 全連接神經網絡識別MNIST圖像 266
7.3.3 卷積神經網絡識別MNIST圖像 267
7.3.4 循環(huán)神經網絡識別MNIST圖像 270
7.4 典型深度學習平臺 274
7.4.1 典型深度學習平臺簡介 274
7.4.2 樣板深度學習平臺的體驗與分析 275
第8章 人工智能的機遇、挑戰(zhàn)與未來 284
8.1 人工智能的行業(yè)應用日趨火爆 284
8.2 “智能代工”大潮來襲 287
8.3 新IT、智聯網與社會信息物理系統(tǒng) 289
8.4 人工智能的未來 293
8.4.1 發(fā)展趨勢預測 293
8.4.2 中國的人工智能布局 295
8.4.3 全球人工智能的產業(yè)規(guī)模 299
8.5 人工智能面臨的挑戰(zhàn) 300
8.5.1 人工智能面臨的人才挑戰(zhàn) 300
8.5.2 人工智能面臨的技術挑戰(zhàn) 301
8.5.3 人工智能面臨的法律、安全與倫理挑戰(zhàn) 301
8.6 擁抱人工智能的明天 305
附錄A VirtualBox虛擬機軟件與Linux的安裝和配置 310
附錄B Linux（Ubuntu 14.4）的基本命令與使用 333
附錄C GitHub代碼托管平臺 338
附錄D Docker技術與應用 342
附錄E 人工智能的數學基礎與工具 344
附錄F 公開數據集介紹與下載 355
附錄G 人工智能的網絡學習資源 360
附錄H 人工智能的技術圖譜 363
附錄I 人工智能技術應用就業(yè)崗位與技能需求 366
參考文獻 371
展開全部
人工智能技術應用導論/聶明 作者簡介
聶明，男，1964年生人，中共黨員，博士，三級教授， 現任南京信息職業(yè)技術學院人工智能學院（籌）院長，是全國工信和信息化職業(yè)教育教學指導委員會計算機專指委委員、江蘇省\"333工程”中青年學術帶頭人、江蘇省\"六大人才高峰”高層次人才培養(yǎng)對象。編著出版過《移動增值應用開發(fā)導論》、《Java Web應用開發(fā)項目教程》、《VC++程序設計技能教程與實訓》和《計算機應用技術導論》等多本專著和教材。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
山海經
- >
羅庸西南聯大授課錄
- >
【精裝繪本】畫給孩子的中國神話
- >
我與地壇
- >
月亮與六便士
- >
推拿
本類暢銷
