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
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
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜