掃一掃
關注中圖網
官方微博
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習·深度學習圖像識別從基礎到案例實戰 版權信息
- ISBN：9787517099369
- 條形碼：9787517099369 ; 978-7-5170-9936-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習·深度學習圖像識別從基礎到案例實戰 本書特色
本書適合讀者對象：1. 有一定編程基礎，想從事圖像識別開發相關工作的讀者；2. 對人工智能、機器學習、深度學習感興趣的所有讀者；3. 想通過動手實踐提升圖像識別編程能力的讀者。 本書介紹的圖像識別是人工智能的一個重要應用領域，是人臉識別和自動駕駛領域中*重要的人工智能技術。 1、 作者專業，技術和經驗豐富 本書作者為日本東京大學應用信息學碩士，并多年從事人工智能開發工作，專業知識雄厚，實戰經驗豐富。 2、 案例較多、注重實踐 本書先對人工智能、機器學習、深度學習相關的術語、概念進行了詳細解說，然后通過不同的深度學習框架（TensorFlow、PyTorch、Keras等）編程實現16個不同難易程度的圖像識別相關案例，用實操練習讓讀者了解不同工具的使用方法及各自特點，選擇合適的工具更好地為實現目標服務。 3、 通俗易懂，避免用復雜的數學公式 本書作為一本圖像識別的入門書，充分考慮到初學者的特點，沒有使用復雜的數學公式，也沒有晦澀難懂的文字解說，而是用圖像輔助讀者更好、更快理解知識點，用大量的代碼引領讀者實際操作，在提升動手能力的同時理解底層原理。
機器學習·深度學習圖像識別從基礎到案例實戰 內容簡介
全書分三部分，第1部分（1～3章）介紹了人工智能·機器學習·深度學習的基礎知識，Python編程及其常用庫的使用方法；第2部分（4～5章）通過16個實操案例帶領讀者玩轉機器學習，其中涉及 TensorFlow，Keras，PyTorch，Chainer和scikit-learn等具有代表性的開發框架，讀者可以學習到這些框架的特點和應用方法；第3部分（6～7章）基于Python的面向對象編程·用Python建立的Web服務器。
機器學習·深度學習圖像識別從基礎到案例實戰 目錄
第1部分 人工智能、機器學習、深度學習的基礎知識
第1章 人工智能、機器學習、深度學習的基礎
1.1 人工智能概述
1.1.1 人工智能發展史
1.1.2 人工智能簡介
1.1.3 機器學習
1.1.4 人工神經網絡
1.1.5 深度學習
1.1.6 受關注的原因
1.2 機器學習概述
1.2.1 機器學習簡介
1.2.2 機器學習的類型（分類）
1.2.3 有監督學習
1.2.4 無監督學習
1.2.5 強化學習
1.2.6 用于機器學習的數據
1.2.7 機器學習（有監督學習）的流程
1.3 深度學習概述
1.3.1 視覺信息的重要性
1.3.2 從生物學神經元到人工神經元
1.3.3 感知器
1.3.4 神經網絡
1.3.5 深度學習簡介
1.3.6 卷積神經網絡的詳細說明
1.3.7 深度學習的框架
1.3.8 機器學習和深度學習所需的數學
第2章 Python及其關鍵的工具和軟件庫
2.1 關于本書執行環境的概述
2.1.1 Python的開發環境
2.1.2 準備Python環境
2.1.3 下載本書的示例代碼
2.2 使用Jupyter Notebook
2.2.1 啟動Jupyter Notebook
2.2.2 Jupyter Notebook的基本操作
2.2.3 制作Notebook
2.2.4 創建新的Notebook
2.2.5 添加筆記
2.3 使用Colaboratory
2.3.1 環境準備
2.3.2 在Colaboratory Notebook中的操作
2.3.3 導入本書的Notebook
2.4 Python基礎知識和語法
2.4.1 Python的基礎
2.4.2 變量
2.4.3 Python的類型
2.4.4 條件分支
2.4.5 函數
2.4.6 導入
第3章 NumPy和Matplotlib的用法
3.1 如何使用NumPy
3.2 如何使用Matplotlib
3.2.1 制作一個簡單的圖表
3.2.2 為圖表的元素設置名稱
3.2.3 圖表網格
3.2.4 設置圖表刻度
3.2.5 圖表尺寸
3.2.6 散點圖
3.2.7 多個圖表的網格顯示
3.2.8 三維散點圖
3.2.9 修改顏色和標識
第2部分 16個練習帶你玩轉機器學習
第4章 機器學習、深度學習的實操練習（初級、中級）
4.1 OpenCV圖像處理基礎知識
4.1.1 OpenCV簡介
4.1.2 操作辦法
4.1.3 總結
4.2 在Raspberry Pi中利用OpenCV進行人臉識別
4.2.1 在Raspberry Pi中啟用OpenCV
4.2.2 操作辦法
4.2.3 總結
4.3 Iris（鳶尾花）數據集分類法
4.3.1 scikit-learn簡介
4.3.2 操作辦法
4.3.3 總結
4.4 機器學習中基于scikit-learn的手寫數字識別方法
4.4.1 調查手寫數字的圖像數據的特征量
4.4.2 操作辦法
4.4.3 總結
4.5 Chainer+MNIST手寫數字分類實驗練習
4.5.1 通過Colaboratory學習/訓練，在Raspberry Pi中創建手寫識別Web應用程序
4.5.2 操作辦法
4.5.3 總結
4.6 用Chainer建立狗貓識別網絡應用程序
4.6.1 準備數據
4.6.2 操作辦法
4.6.3 總結
4.7 基于PyTorch的MNIST手寫數字學習
4.7.1 PyTorch簡介
4.7.2 操作辦法
4.7.3 總結
4.8 基于PyTorch的CIFAR-10圖像學習
4.8.1 CIFAR-10簡介
4.8.2 操作辦法
4.8.3 總結
第5章 機器學習、深度學習的實操練習（中級、不錯）
5.1 TensorFlow+Keras+MNIST手寫數字識別網絡應用程序
5.1.1 Keras簡介
5.1.2 操作辦法
5.1.3 總結
5.2 TensorFlow+FashionMNIST的Fashion識別
5.2.1 Fashion MNIST簡介
5.2.2 操作辦法
5.2.3 總結
5.3 基于TensorFlow的花卉識別網絡應用程序
5.3.1 retrain（遷移學習）簡介
5.3.2 操作辦法
5.3.3 總結
5.4 用TensorFlow識別塑料瓶和空罐
5.4.1 收集數據
5.4.2 操作辦法
5.4.3 總結
5.5 用YOLO檢測物體
5.5.1 物體檢測簡介
5.5.2 操作辦法
5.5.3 總結
5.6 基于硬件擴展的人物檢測
5.6.1 Movidius NCS簡介
5.6.2 操作辦法
5.6.3 總結
5.7 通過Google AIY Vision Kit進行微笑識別
5.7.1 組裝Google AIY Vision Kit
5.7.2 操作辦法
5.7.3 總結
5.8 利用人工智能Cloud API制作字幕
5.8.1 利用云端的API進行分類、檢測工作
5.8.2 操作辦法
5.8.3 總結
第3部分 基于Python的面向對象編程和用Python建立Web服務器
第6章 基于Python的面向對象編程
6.1 面向對象編程概述
6.1.1 為什么要進行面向對象編程
6.1.2 對象
展開全部
機器學習·深度學習圖像識別從基礎到案例實戰 作者簡介
川島賢，日本東北大學研究生院信息科學研究科應用信息學碩士，虹賢舍公司代表。2004年畢業于宮城大學事業構想學部，曾在仙臺的一家軟件制作公司從事人工智能、多智能體平臺的研究開發工作。期間開發了多智能體平臺自動發現系統，并獨自開發了心電圖無線傳輸系統，其他也參與電子商務網站的開發工作。?2008年加入埃森哲公司。作為外包顧問，在日本業界的業務現場工作。6年間，在海內外多中心、多國團隊的項目管理，以及關鍵系統、庫存生產管理、人力資源管理、客戶管理等多個系統的管理、開發、維護和運營等方面積累了豐富經驗。2015年成立虹賢舍公司。?目前，他為多個技術領域的大量中小企業提供信息技術咨詢服務，并從事信息系統、網絡服務和智能手機應用程序的企劃和開發工作。同時，他還作為中小企業、創業公司的技術顧問、顧問、編程教師和研討會講師等開展廣泛工作。?另外，他還運營一個技術博客，傳播電子、loT、機器學習、深度學習等領域的知識。
書友推薦
- >
月亮與六便士
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
唐代進士錄
- >
上帝之肋:男人的真實旅程
- >
苦雨齋序跋文-周作人自編集
- >
小考拉的故事-套裝共3冊
- >
煙與鏡
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
