编辑推荐
本书循序渐进地对Python和深度学习的基本知识进行了全面、系统的介绍。
内容简介
全书共11章，分为Python基础知识体系、Python文件处理与数据分析、深度学习基础理论与实践、智能车竞赛任务与实践四部分，详细介绍了Python基础知识、Python数据分析方法、机器学习概念、全连接神经网络和卷积神经网络模型的理论及产业级工程项目实践等。
作者简介
编著者徐国艳，副教授、工学博士，北京市高等学校优秀专业课主讲教师，北京航空航天大学校教学名师。
章节目录
版权信息
Preface 前言
二维码清单
第1部分 Python基础知识体系
第1章 绪论
1.1 人工智能的发展及基本概念
1.2 智能汽车及全国大学生智能汽车竞赛
1.3 程序设计语言及Python语言简介
习题
第2章 Python基本语法元素及数据类型
2.1 程序的基本设计方法
2.2 Python基本语法元素
2.3 Python基本数据类型
2.4 math库
2.5 time库
习题
第3章 程序控制结构
3.1 程序流程图与基本结构
3.2 程序的分支结构
3.3 程序的循环结构
3.4 程序异常处理
3.5 random库
3.6 turtle库
习题
第4章 函数和类
4.1 代码复用和模块化设计
4.2 函数
4.3 面向对象和类
4.4 实例：智能车自动巡航类创建
4.5 实例：单层感知器类创建
习题
第5章 组合数据类型
5.1 概述
5.2 序列类型
5.3 集合类型
5.4 映射类型
5.5 jieba库
5.6 wordcloud库
习题
第2部分 Python文件处理与数据分析
第6章 文件和数据格式化
6.1 文件的使用
6.2 数据的格式化和处理
6.3 PIL库
6.4 OpenCV库
习题
第7章 Python计算生态及机器学习概述
7.1 计算思维的概念
7.2 Python计算生态
7.3 Python数据分析库
7.4 机器学习方法概述
7.5 一元线性回归理论及实践
习题
第3部分 深度学习基础理论与实践
第8章 深度学习基础及车辆识别项目实践
8.1 神经网络简介
8.2 深度学习理论基础
8.3 深度学习框架
8.4 实例：DNN车辆识别项目
习题
第9章 卷积神经网络及斑马线识别项目实践
9.1 全连接神经网络的问题
9.2 卷积神经网络理论基础
9.3 典型的卷积神经网络模型
9.4 实例：CNN斑马线检测项目
习题
第4部分 智能车竞赛任务与实践
第10章 智能车自动巡航算法设计及部署
10.1 百度智慧交通创意赛介绍
10.2 基于OpenCV图像处理的智能车自动巡航
10.3 基于CNN的智能车自动巡航模型设计及实验验证
10.4 基于PaddleSeg套件的智能车自动巡航模型设计及实验验证
习题
第11章 智能车竞赛目标检测任务的CNN模型设计与部署
11.1 目标检测概述
11.2 单阶段目标检测方法与神经网络轻量化
11.3 智能车竞赛目标检测任务数据集构建
11.4 目标检测网络模型构建与训练
11.5 目标检测模型部署
习题
参考文献
Python深度学习及智能车竞赛实践是2024年由机械工业出版社出版,作者徐国艳 编著。
得书感谢您对《Python深度学习及智能车竞赛实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
