本书分为人工智能产品研发、深度学习数据应用、深度学习基础应用3篇共10个项目，内容包括：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、数据标注工程应用等。
电子书
内容简介
本书较为系统地介绍深度学习模型训练、计算机视觉模型应用、自然语言处理模型应用等技术。全书共9个项目，包括深度学习全连接神经网络应用、深度学习卷积神经网络应用、深度学习模型训练——循环神经网络应用、计算机视觉模型数据准备、计算机视觉模型训练与应用、计算机视觉模型部署、自然语言处理预训练模型数据准备、自然语言处理预训练模型训练与应用、自然语言处理模型部署等。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，完成模型训练、模型应用及预训练模型迁移学习等工作的人才。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用书。
章节目录
- 第1篇 深度学习模型训练
- 项目1 深度学习全连接神经网络应用
- 项目描述
- 知识准备
- 1.1 深度学习分类任务
- 1.1.1 深度学习分类任务的概念
- 1.1.2 深度学习分类任务的类型
- 1.1.3 分类任务与回归任务的区别
- 1.2 全连接神经网络
- 1.3 激活函数
- 1.3.1 Sigmoid()函数
- 1.3.2 ReLU()函数
- 1.3.3 Softmax()函数
- 1.4 交叉熵损失函数
- 1.5 手写数字识别数据集
- 1.6 全连接神经网络的训练方法
- 1.7 实施思路
- 项目实施 通过全连接神经网络识别手写数字
- 1.8 实施步骤
- 知识拓展
- 课后实训
- 项目2 深度学习卷积神经网络应用
- 项目描述
- 知识准备
- 2.1 卷积神经网络的概念
- 2.2 卷积层
- 2.2.1 卷积计算
- 2.2.2 步长
- 2.2.3 填充
- 2.2.4 多通道卷积
- 2.3 池化层
- 2.4 如何训练卷积神经网络
- 2.5 实施思路
- 项目实施 通过卷积神经网络识别手写数字
- 2.6 实施步骤
- 知识拓展
- 课后实训
- 项目3 深度学习模型训练——循环神经网络应用
- 项目描述
- 知识准备
- 3.1 循环神经网络的常见类型
- 3.2 循环神经网络的基本结构
- 3.2.1 输入层
- 3.2.2 隐藏层
- 3.2.3 输出层
- 3.3 简单循环神经网络——SimpleRNN
- 3.4 循环神经网络的构建与训练方法
- 项目实施 通过循环神经网络预测时序数据
- 3.5 实施思路
- 3.6 实施步骤
- 知识拓展
- 课后实训
- 第2篇 计算机视觉模型应用
- 项目4 计算机视觉模型数据准备
- 项目描述
- 知识准备
- 4.1 常见的计算机视觉数据集及格式
- 4.1.1 CIFAR-10、CIFAR-100数据集
- 4.1.2 ImageNet数据集
- 4.1.3 MS COCO数据集
- 4.1.4 PASCAL VOC数据集
- 4.2 PaddleX介绍
- 4.3 PaddleX的图像分类数据集的加载方法
- 4.3.1 使用paddlex.datasets.ImageNet()函数加载数据集
- 4.3.2 使用paddlex.datasets.VOCDetection()函数加载数据集
- 4.3.3 使用paddlex.datasets.CocoDetection()函数加载数据集
- 4.4 PaddleX的图像分类数据处理函数
- 4.4.1 RandomCrop()函数
- 4.4.2 RandomHorizontalFlip()函数
- 4.4.3 RandomDistort()函数
- 4.4.4 Normalize()函数
- 4.4.5 其他数据处理函数
-  拆分和验证垃圾分类数据集
- 项目实施 拆分和验证垃圾分类数据集
- 4.5 实施思路
- 4.6 实施步骤
- 知识拓展
- 课后实训
- 项目5 计算机视觉模型训练与应用
- 5.1 计算机视觉领域的基本任务
- 项目描述
- 知识准备
- 5.2 图像分类任务常用网络
- 5.2.1 ResNet
- 5.2.2 DenseNet
- 5.2.3 AlexNet
- 5.2.4 MobileNet
- 项目实施 训练垃圾分类模型
- 5.3 实施思路
- 5.4 实施步骤
- 知识拓展
- 课后实训
- 项目6 计算机视觉模型部署
- 项目描述
- 知识准备
- 6.1 计算机视觉模型应用案例
- 6.2 PaddleX本地部署
- 6.2.1 模型导出
- 6.2.2 模型部署预测
- 6.3.1 智慧零售操作台
- 6.3.2 智慧工业操作台
- 6.3.3 人工智能端侧开发套件
- 6.3.4 人工智能边缘开发设备
- 6.3 PaddleX边缘设备部署
- 项目实施 部署垃圾分类模型到边缘设备
- 6.4 实施思路
- 6.5 实施步骤
- 课后实训
- 知识拓展
- 第3篇 自然语言处理模型应用
- 项目7 自然语言处理预训练模型数据准备
- 项目描述
- 知识准备
- 7.1 自然语言处理的数据集及格式
- 7.1.1 DuEE数据集
- 7.1.2 BSTC数据集
- 7.1.3 8类情感分类数据集
- 7.2 PaddleHub介绍
- 7.3 文本分类数据处理方法
- 7.4 文本分类数据集加载方法
- 7.4.1 文本分类数据集加载过程
- 7.4.2 数据集加载
- 项目实施 处理、拆分和加载情感分类数据集
- 7.5 实施思路
- 7.6 实施步骤
- 知识拓展
- 课后实训
- 项目8 自然语言处理预训练模型训练与应用
- 项目描述
- 知识准备
- 8.1 自然语言处理基本任务
- 8.2 文本分类任务
- 8.2.1 文本预处理
- 8.2.2 文本表示
- 8.2.3 分类模型构建
- 项目实施 配置、训练和评估情感分类模型
- 8.3 实施思路
- 8.4 实施步骤
- 知识拓展
- 课后实训
- 项目9 自然语言处理模型部署
- 项目描述
- 知识准备
- 9.1 服务端部署应用案例
- 9.2 PaddleHub本地部署
- 9.3 PaddleHub服务端部署
- 9.3.1 命令行启动
- 9.3.2 配置文件启动
- 项目实施 部署情感分类模型
- 9.4 实施思路
- 9.5 PaddleHub本地部署实施步骤
- 9.6 PaddleHub服务端部署实施步骤
- 9.6.1 命令行启动
- 9.6.2 配置文件启动
- 知识拓展
- 课后实训
展开全部
人工智能深度学习综合实践是2022年由人民邮电出版社出版,作者罗卿，常城主编。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《人工智能深度学习综合实践》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。
电子书
电子书
本书首先介绍了人工智能的基础知识，然后分别介绍了机器学习、深度学习、自然语言处理和强化学习中的重点概念和实践过程，包含逻辑斯谛回归、k最近邻、决策树、随机森林、支持向量机、卷积神经网络、循环神经网络、LSTM、自动编码器等。此外，本书的附录部分还分别简单介绍了Keras、TensorFlow、pandas等人工智能相关的工具。本书适用于高等院校电子信息类专业的人工智能导论课程，也适合想要对人工智能
电子书
本书旨在为读者建立完整的深度学习知识体系。全书内容包含3个部分，第一部分为与深度学习相关的数学基础；第二部分为深度学习的算法基础以及相关实现；第三部分为深度学习的实际应用。
电子书
本书是深度学习领域的入门教材，全面阐述了深度学习的知识体系，涵盖人工智能的基础知识以及深度学习的基本原理、模型、方法和实践案例，使读者掌握深度学习的相关知识，提高以深度学习方法解决实际问题的能力。全书内容包括人工智能基础、机器学习基础、深度学习主要框架、深度神经网络、卷积神经网络、循环神经网络、自编码器与生成对抗网络。
电子书
本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识：机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow：Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlowLite和TensorFlow.js、TensorFlow案例--医学应用和S
电子书
本书介绍了深度学习的基本概念、算法原理以及实现框架。全书共9章，分别介绍了深度学习的发展历史、神经网络与深度神经网络、卷积神经网络、循环神经网络、深度学习在目标检测和图像描述中的应用、生成对抗网络、深度迁移学习和深度强化学习等，并提供了应用实例。
电子书
《Python深度学习》以深度学习框架为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。全书共16章，分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架（以PyTorch为例）基础、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信
电子书
本书内容包括ProcessSimulate概述，夹具、机器人的定义与机构的创建，机器人搬运、机床上下料、机器人焊接、点焊工作站、码垛工作站的模拟仿真。
