• 人工智能深度学习基础实践

    释放查看图文详情

图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

人工智能深度学习基础实践

正版二手书 8到9成新 每天下午6点前发一次快递

19 4.8折 39.8 八五品

库存8件

广西南宁

送至北京市朝阳区

运费快递 ¥1.90

认证卖家担保交易快速发货售后保障

作者张健;常城

出版社人民邮电出版社

出版时间2022-08

版次1

装帧其他

货号F30-4

上书时间2024-12-23

评价1662好评率 99.68%

  • 发货速度快 23
  • 物流很快 23
  • 品相不错 20
  • 包装仔细 19
  • 价格实惠 14
  • 值得信赖 13
  • 物超所值 12
  • 非常满意 11
  • 服务态度好 10
  • 品相超预期 9
查看全部评价

南宁大学二手书店

十二年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:八五品
图书标准信息
  • 作者 张健;常城
  • 出版社 人民邮电出版社
  • 出版时间 2022-08
  • 版次 1
  • ISBN 9787115575883
  • 定价 39.80元
  • 装帧 其他
  • 开本 其他
  • 纸张 胶版纸
  • 页数 131页
  • 字数 218千字
【内容简介】
本书较为全面地介绍深度学习应用场景下的人工智能产品研发、深度学习数据应用、深度学习基础应用等内容。全书共10个项目,包括人工智能需求管理、设计人工智能产品、人工智能开发平台应用、数据采集工程应用、数据处理工程应用、数据标注工程应用、机器学习模型训练、深度学习框架应用开发、深度学习框架基础功能应用、深度学习线性回归模型应用等。本书以满足企业用人需求为导向、以岗位技能和综合素质培养为核心,通过理论与实战相结合的方式,培养能够根据深度学习项目需求,完成数据的采集、标注、处理等工作,以及机器学习模型训练、深度学习模型训练等工作的人才。
  本书适用于“1 X”证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书(中级)的教学和培训,也适合作为中等职业学校、高等职业学校、应用型本科院校人工智能相关专业的教材,还适合作为需充实深度学习应用开发知识的技术人员的参考书。
【作者简介】
张健,深圳信息职业技术学院软件技术专业主任,高级工程师,哈尔滨工业大学(深圳)博士后,深圳市后备级人才,龙岗区深龙英才C类。曾在中国电子科技集团公司第三研究所、哈尔滨工业大学(深圳)计算机学院工作。主要研究领域有:基于深度学习的目标检测算法研究、小样本情况下生物特征识别算法研究、复杂交通路况下的图像分割算法以及智能辅助驾驶应用等。主持面向大专和本科层次的《基于云的深度学习框架开发与应用》课程建设,分别立项基于亚马逊云的立体化教材1本与课程1门、基于腾讯云的教材1本与课程1门,以及面向联合国教科文组织的国际化课程1门。
【目录】
第 1篇 人工智能产品研发 1

项目1 人工智能需求管理 2

项目描述 2

知识准备 2

1.1 需求的定义 2

1.2 需求管理的过程 3

1.2.1 需求获取 3

1.2.2 需求分析 4

1.2.3 需求表述 4

1.2.4 需求验证 5

1.3 需求文档的撰写 5

1.3.1 产品需求 5

1.3.2 产品目标 6

1.3.3 产品功能 6

项目实施 撰写商品检测项目需求文档 7

1.4 实施思路 7

1.5 实施步骤 7

知识拓展 9

课后实训 10

项目2 设计人工智能产品 11

项目描述 11

知识准备 11

2.1 人工智能产品的特性 11

2.2 人工智能产品设计流程 12

2.2.1 需求管理 12

2.2.2 功能设计 12

2.2.3 原型设计 14

2.2.4 研发实施 16

2.3 人工智能产品的发展趋势 16

2.3.1 当前人工智能产品设计的缺陷 16

2.3.2 人工智能产品设计的发展趋势 16

项目实施 商品检测项目设计 17

2.4 实施思路 17

2.5 实施步骤 17

知识拓展 20

课后实训 20

项目3 人工智能开发平台应用 22

项目描述 22

知识准备 22

3.1 人工智能开发平台简介 22

3.1.1 智能数据服务平台 23

3.1.2 深度学习模型定制平台 24

3.2 人工智能开发流程 27

3.2.1 需求分析 27

3.2.2 数据准备 27

3.2.3 模型训练 34

3.2.4 模型应用 34

项目实施 商品检测 35

3.3 实施思路 35

3.4 实施步骤 35

知识拓展 49

课后实训 50

第 2篇 深度学习数据应用 51

项目4 数据采集工程应用 52

项目描述 52

知识准备 52

4.1 常见数据集和数据服务市场 52

4.1.1 开源数据集 53

4.1.2 行业数据集 53

4.1.3 数据服务市场 54

4.2 PaddlePaddle 内置数据集 55

4.3 数据采集质量要求 56

4.3.1 数据质量控制原则 56

4.3.2 数据质量控制方式 56

4.3.3 数据质量评价方法 57

项目实施 加载PaddlePaddle内置数据集 57

4.4 实施思路 57

4.5 实施步骤 57

知识拓展 60

课后实训 61

项目5 数据处理工程应用 62

项目描述 62

知识准备 62

5.1 数据特征 62

5.2 特征工程 63

5.2.1 数据预处理 63

5.2.2 数据特征可视化 63

5.2.3 数据特征挖掘 64

项目实施 汽车油耗量数据挖掘 65

5.3 实施思路 65

5.4 实施步骤 65

知识拓展 72

课后实训 73

项目6 数据标注工程应用 74

项目描述 74

知识准备 74

6.1 数据标注工具与平台 74

6.1.1 图像数据标注工具 75

6.1.2 文本数据标注工具 75

6.1.3 音频数据标注工具 76

6.1.4 数据标注平台 76

6.2 数据标注常见任务 77

6.2.1 分类标注 77

6.2.2 标框标注 77

6.2.3 区域标注 78

6.2.4 描点标注 78

6.3 数据标注质量标准 79

项目实施 EasyData数据标注 79

6.4 实施思路 79

6.5 图像分类数据标注实施步骤 79

6.6 物体检测数据标注实施步骤 81

6.7 图像分割数据标注实施步骤 82

6.8 文本分类数据标注实施步骤 83

6.9 短文本相似度数据标注实施步骤 84

知识拓展 85

课后实训 86

第3篇 深度学习基础应用 87

项目7 机器学习模型训练 88

项目描述 88

知识准备 88

7.1 机器学习基础知识 88

7.2 机器学习的训练流程 89

7.2.1 数据操作 89

7.2.2 模型构建 90

7.2.3 机器学习任务实现 90

7.3 常用算法 90

7.3.1 线性回归 90

7.3.2 逻辑回归 91

7.3.3 决策树 91

7.3.4 随机森林 92

项目实施 通过机器学习模型预测汽车油耗量 92

7.4 实施思路 92

7.5 实施步骤 92

知识拓展 94

课后实训 94

项目8 深度学习框架应用开发 96

项目描述 96

知识准备 96

8.1 深度学习框架的作用 96

8.2 常用的深度学习框架 97

8.2.1 PaddlePaddle 97

8.2.2 TensorFlow 99

8.2.3 Keras 99

8.2.4 Caffe 99

8.2.5 PyTorch 100

项目实施 安装PaddlePaddle 100

8.3 实施思路 100

8.4 实施步骤 100

8.4.1 在Windows 系统下安装PaddlePaddle实施步骤 100

8.4.2 在Linux 系统下安装PaddlePaddle实施步骤 106

知识拓展 108

8.5 GPU 108

8.6 CUDA和CUDA工具包 109

课后实训 109

项目9 深度学习框架基础功能应用 110

项目描述 110

知识准备 110

9.1 模型设计 111

9.1.1 模型的输入 111

9.1.2 模型的输出 112

9.1.3 模型的架构 112

9.2 数据准备 113

9.3 训练设置 113

9.4 应用部署 113

9.5 模型评估 113

项目实施 预测电影受欢迎度 113

9.6 实施思路 113

9.7 实施步骤 114

知识拓展 119

课后实训 120

项目10 深度学习线性回归模型应用 121

项目描述 121

知识准备 121

10.1 损失函数 121

10.1.1 均方误差 122

10.1.2 交叉熵 122

10.2 优化器 122

10.2.1 梯度下降法 122

10.2.2 随机梯度下降法 123

10.2.3 小批量随机梯度下降法 123

10.3 自定义数据集 123

项目实施`通过深度学习模型预测汽车油耗量 125

10.4 实施思路 125

10.5 实施步骤 125

知识拓展 130

课后实训 131
点击展开 点击收起

   相关推荐   

   为你推荐   

—  没有更多了  —

微信扫码逛孔网

无需下载

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP