深度学习应用开发——TensorFlow实践 pdf下载

本书基于***的机器学习框架TensorFlow，专注于新一代人工智能思维与应用开发能力的培养；有别于传统课程，不泛泛讲解各类人工智能技术或是干涩讲深层次理论和算法，也不是纯粹介绍TensorFlow的编程技能，而是面向典型的场景，精心设计系列案例来引导整个学习过程，激发学习者的学习兴趣和应用创新。案例由浅入深、各有侧重，兼具趣味性和系统性。

本书内容丰富，应用性和趣味性强，是作者多年来在深度学习应用开发领域教学研究成果的系统化凝练。本书配有多媒体课件、案例素材和源代码等教学资源，免费向任课教师提供。与本书配套的慕课（MOOC）已经上线开课多轮，广受学员好评，配合MOOC可以更好地进行教学和学习。

本书适合作为高等学校计算机类、信息类专业和人工智能专业相关课程的教材，也可作为对人工智能、机器学习和深度学习技术感兴趣的科技人员、计算机爱好者及各类自学人员的参考书。

吴明晖，博士，浙江大学城市学院计算机系教授，浙江省高等学校教坛新秀、浙江省高校优秀教师；浙江省新兴特色专业“计算机科学与技术（重点方向：移动互联网应用开发）”负责人，浙江省高校中青年学科带头人；Google公司校企合作专业综合改革项目专家委员会委员、谷歌奖教金获得者。
近年来主持多项浙江省新世纪教改项目、浙江省精品在线开放课程、教育部—Google公司产学合作协同育人项目等，获浙江省优秀教学成果一、二等奖。
自2009年开始担任Google Android移动应用开发技术师资培训班讲师，2013年开始组织多期App Inventor师资培训班；受邀在多个全国性教学研讨会上进行主题报告，并担任Google Android移动应用开发挑战赛、Google App Inventor应用开发全国中学生挑战赛、“中国高校计算机大赛一移动应用创新赛”等多个全国赛项的专家评委，是国内移动应用和App Inventor教育的先行者和推广者。

第1章 人工智能概述
1.1 感受人工智能时代的到来
1.1.1 人机博弈
1.1.2 宇宙探索
1.1.3 人机对话
1.1.4 计算机视觉
1.1.5 自然语言处理
1.1.6 智能诊断、推荐系统
1.1.7 智能交通
1.1.8 机器人
1.2 人工智能发展概述，跌宕起伏的多年
1.2.1 人工智能起源
1.2.2 人工智能与图灵测试
1.2.3 人工智能发展史
1.3 机器学习简介
1.3.1 人工智能与机器学习
1.3 .2 什么是机器学习
1.3.3 机器学习典型求解问题类型
1.4 深度学习简介
1.4.1 神经元
1.4.2 人工神经网络
1.4.3 深度神经网络
1.4.4 卷积神经网络
1.4.5 深度学习的发展历程
1.5 深度学习框架简介
1.5.1 TensorFIow
1.5.2 Keras
1.5.3 PyTorch
1.5.4 PaddIePaddle
练习和思考题
第2章 TensorFIow发环境搭建
2.1 Python程序设计语言
2.2 Anaconda开发环境搭建
2.2.1 下载Anaconda
2.2.2 安装Anaconda
2.2.3 查看Anaconda环境
2.2.4 Jupyter Notebook
2.3 安装TensorFIow
2.3.1 新建专用虚拟环境
2.3.2 使用conda安装TensorFIow
2.3.3 使用pip安装TensorFIow
实验
第3章 TensorFIow开发基础
3.1 初识TensorFIow
3.1.1 TensorFIow简介
3.1.2 TensorFIow编程初体验
3.1.3 TensorFIow名称的含义
3.2 张量
3.2.1 张量的概念
3.2.2 张量的属性
3.3 常量与变量
3.3.1 常量constant
3.3.2 变量Variable
3.4 计算图
3.4.1 计算图的结构
3.4 .2 静态图执行模式
3.5 在TensorFIow 2中实现静态图执行模式开发
3.6 TensorFIow 1.X静态图执行模式编程概要
3.6.1 体验案例：计算两数之和
3.6.2 会话
3.6.3 变量与变量初始化
3.6.4 占位符、数据提交和数据提取
3.7 TensorBoard可视化初步
3.7.1 TensorBoard简介
3.7.2 在TensorBoard中查看图结构
3.7.3 启动TensorBoard
练习和思考题
实验
第4章 单变量线性回归问题：建模与
TensorFIow实战
4.1 监督式机器学习
4.2 单变量线性回归案例
4.3 监督式机器学习中的基本术语
4.3.1 特征和标签
……
第5章 波士顿房价预测：多元线性回归问题建模与应用
第6章 MNIST手写数字识别，分类应用入门
第7章 MNIST手写数字识别进阶：多层全连接神经网络
第8章 泰坦尼克号旅客生存概率预测：Keras综合应用
第9章 CIFAR-10图象识别问题：卷积神经网络与应用
第10章 Deep Dream：理解深度神经网络结构及应用
第11章 电影评论情感分析：自然语言处理与循环神经网络应用实践
第12章 猫狗大战：迁移学习及应用
第13章 Fashion-MNIST图像生成：生成式对抗网络及应用
第14章 鸢尾花品种识别：Tensor-Flow.js及应用
第15章 花卉识别：TensorFlowLite及应用