万本电子书0元读

万本电子书0元读

顶部广告

人工智能原理与实践:基于Python语言和TensorFlow电子书

1、图书内容倡导并实践理论实践相结合的教学方式,鼓励并督促学生“学习和练习相结合,理论与 实践相结合”。针对图书所要求的理论与实践并重,两方面都要抓,两方面都要硬的要求,在实际教学过程中,除了基本的课堂授课以外,还会将知识都设计并贯穿到实验中,当堂实验当堂讲解当堂掌握,让学生尽快掌握基本知识的应用。 2、将 Python语言内容加课程中,使得学生能够学习了解到目前 IT领域内比较受欢迎的热门编程 语言。一步扩宽学生的知识范围,并为以后的就业下了扎实的理论和实践基础。

售       价:¥

纸质售价:¥35.20购买纸书

143人正在读 | 0人评论 6.2

作       者:张明 何艳珊 杜永文

出  版  社:人民邮电出版社有限公司

出版时间:2019-08-01

字       数:21.2万

所属分类: 教育 > 大中专教材 > 研究生/本科/专科教材

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书是一本针对高校学生的绝佳TensorFlow学习教材。作者结合众多高质量的代码,生动讲解了TensorFlow的底层原理,并从实际应用问题手,从实践的角度出发,通过具体的TensorFlow案例程序介绍常见的模型和应用解决办法。同时,在教材中还介绍了模型部署和编程过程中所用到的诸多发技巧。是学习和掌握人工智能这个*、*火的IT领域的推荐图书。<br/>【推荐语】<br/>1、图书内容倡导并实践理论实践相结合的教学方式,鼓励并督促学生“学习和练习相结合,理论与 实践相结合”。针对图书所要求的理论与实践并重,两方面都要抓,两方面都要硬的要求,在实际教学过程中,除了基本的课堂授课以外,还会将知识都设计并贯穿到实验中,当堂实验当堂讲解当堂掌握,让学生尽快掌握基本知识的应用。 2、将 Python语言内容加课程中,使得学生能够学习了解到目前 IT领域内比较受欢迎的热门编程 语言。一步扩宽学生的知识范围,并为以后的就业下了扎实的理论和实践基础。 3、TensorFlow 使用 Python 来构建和执行 graphs、编写程序等工作。Python 作为一种流行的脚本语言,拥有免费、跨平台、简单易用、使用广泛等优;将它应用在人工智能课程的实验项目上,可以明显减少花费在实验项目上的时间,用Python 语言所写的代码也更加易于阅读和维护;不需要学习庞大的AO 口;能够快速简单的建立工作流; 4、本图书根据实际课程要求的培养目标,结合高校相关专业学生的实际情况,制定了具有鲜明自身特色的教学大纲,从知识的深度和广度两方面一步针对目前流行的人工智能教材行重新编写,使教材内容更加的通俗易懂,并具备向国内其他高校相关专业行普及的特。 5、在理论教学和实验教学的手段运用方面,将动画的形式融到多媒体教学中,从而将计算机行思维的过程和特以及一些繁琐的算法推理,动态的展现给学生,一步增强学生的学习兴趣,提高学生的学习积极性。 6.本课程是谷歌产学合作项目支持课程。<br/>【作者】<br/>张明 兰州交通大学电信学院教师,韩国釜山广域市国立釜庆大学获工学博士学位。 何艳珊 兰州交通大学电信学院教师,主要研究方向:数据挖掘与数据库。 杜永文,硕士生导师,兰州交通大学物联网工程实验室主任。2005年11月到兰州交通大学任教至今;2005年1月毕业于西北工业大学,并获工学博士学位。<br/>
目录展开

内容提要

前言

基础篇

第1章 绪论

1.1 人工智能简介

1.2 人工智能的发展历史

1.3 人工智能技术的研究内容与应用领域

1.4 人工智能与Tensor Flow

第2章 Python基础应用

2.1 引言

2.2 Python的安装

2.3 数据类型与数据结构

2.4 数字

2.5 变量及其命名规则

2.6 语句和表达式

2.7 字符串

2.8 容器

2.9 函数

2.10 常用库

第3章 TensorFlow基础

3.1 Tensor Flow的架构

3.2 Tensor Flow的开发环境搭建

3.3 数据流图简介

3.4 Tensor Flow中定义数据流图

3.5 通过名称作用域组织数据流图

3.6 构建数据流图

3.7 运行数据流图

第4章 TensorFlow运作方式

4.1 数据的准备和下载

4.2 图表构建与推理

4.3 损失与训练

4.4 状态检查与可视化

4.5 评估模型

4.6 评估图表的构建与输出

实战篇

第5章 MNIST机器学习

5.1 MNIST数据集简介

5.2 MNIST数据下载

5.3 softmax回归模型简介

5.4 模型的训练与评估

5.5 Tensor Flow模型基本步骤

5.6 构建softmax回归模型

第6章 卷积神经网络

6.1 卷积神经网络

6.2 卷积神经网络的模型架构

6.3 卷积运算

6.4 卷积常见层

6.5 Tensor Flow和图像

6.6 模型训练

6.7 模型评估

6.8 多GPU的模型训练

第7章 字词的向量表示

7.1 Word Embedding的基本概念和知识

7.2 Skip-Gram模型

7.3 嵌套学习可视化与评估

7.4 优化实现

第8章 递归神经网络

8.1 递归神经网络的架构

8.2 PTB数据

8.3 模型及LSTM

8.4 反向传播的截断

8.5 输入与损失函数

8.6 多个LSTM层堆叠

8.7 代码的编译与运行

第9章 Mandelbrot集合

9.1 库的导入

9.2 会话和变量初始化

9.3 定义并运行计算

第10章 偏微分方程模拟仿真

10.1 计算函数的定义

10.2 偏微分方程的定义

10.3 仿真

第11章 人脸识别

11.1 人脸识别概念

11.2 人脸识别的流程

11.3 人脸识别种类

11.4 人脸检测

11.5 性别和年龄识别

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部