買這商品的人也買了...
-
圖解機器學習$359$341 -
$204統計會犯錯如何避免數據分析中的統計陷阱 -
$374Python 深度學習實戰：75個有關神經網絡建模、強化學習與遷移學習的解決方案 (Python Deep Learning Cookbook: Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python) -
$280Keras 深度學習實戰 -
$607機器學習實戰：基於 Scikit-Learn 和 TensorFlow (Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems) -
$403圖解深度學習與神經網絡：從張量到 TensorFlow 實現 -
$1,256Full Stack JavaScript: Learn Backbone.js, Node.js, and MongoDB -
$403深度學習實踐 : 計算機視覺 -
$454深度學習 : 語音識別技術實踐 -
實戰 TensorFlow x Keras 工作現場開發$480$379 -
$422機器學習基礎：從入門到求職 -
$331Python 深度學習實戰：基於 TensorFlow 和 Keras 的聊天機器人以及人臉、物體和語音識別 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
$224機器學習及應用（在線實驗+在線自測） -
$403Web 漏洞防護 -
$403統計強化學習：現代機器學習方法 (Statistical Reinforcement Learning: Modern Machine Learning Approaches) -
$505機器學習基礎 -
$286圖說圖解機器學習 -
$702電腦視覺度量 從特徵描述到深度學習 -
$422深度學習模型及應用詳解 -
$449機器學習 — 原理、算法與應用 -
機器學習開發神器！Google Cloud Platform 雲端開發應用超入門$490$417 -
$505深度學習圖解 (Grokking Deep Learning) -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
$500Python + Kivy (App開發) 從入門到實踐
相關主題
商品描述
本書是“人工智能與大數據技術大講堂”叢書中的第一本書。全書貫穿“最簡體驗”的講授原則，並模擬實際課堂的教學風格，通過幽默風趣的大白話語言，手把手帶領讀者由淺入深、循序漸進地進行學習，讓他們在身臨其境的教學氛圍中，輕松、愉悅地掌握人工智能技術領域的基礎知識，從而跨入人工智能的大門。本書的閱讀門檻極低，只需要讀者具備初步的數理知識和電腦操作技能即可順利學習；本書的學習曲線非常平滑，前面章節中的知識點都為後續章節的學習做好了鋪墊，讓讀者的學習毫無障礙；本書通過“圖書+視頻+GitHub+微信公眾號+學習管理平臺+群+專業助教”的立體化學習解決方案及大量線上、線下互動，讓讀者可以體驗到遠超過同類圖書的學習效果。
本書共8章。第1章給出了切實可行的學習建議；第2章介紹了開發環境；第3～5章是專為人工智能和大數據而優化的知識要點，手把手帶領讀者從零基礎開始學習編程；第6章與第7章從不同的角度手把手帶領讀者完成最簡單的捲積運算（深度學習的基礎算法）；第8章帶領讀者解讀一個案例中的部分源碼（來自於最流行的深度學習框架TensorFlow）。
本書適合對人工智能、機器學習、深度學習和電腦視覺感興趣的讀者閱讀，尤其適合零基礎和弱基礎的讀者學習。閱讀本書不要求讀者有太多的編程基礎與高等數學基礎。
作者簡介
張光華，博士畢業於重慶大學和清華大學，碩士畢業於中國科學技術大學。現為中國醫藥教育協會智能眼科學組常委、山西智能大數據產業技術創新研究院醫療大數據研究中心主任主要研究方向為量子點微型多光譜成像技術、醫學圖像處理、機器學習等。已在很好的靠前會議及SCI期刊上發表了醫學、圖像處理和機器學習等領域的多篇論文，並參與了多項中國與歐洲的科學基金項目。
目錄大綱
推薦序
前言
第1篇語法篇
第1章零基礎入門AI解決方案
1.1 AI極簡史（選修）
1.2 AI極簡介
1.3 史上最輕鬆的入門AI完整解決方案
1.4 入門好資源
1.5 學習新主張（最重點）
1.6 如何使用本書（純小白請重點閱讀）
1.7 網絡詞彙簡寫與暱稱
1.8 小結
第2章環境搭建
2.1 最簡體驗Jupyter Notebook
2.2 Azure Notebook簡介
2.3 Google Colaboratory簡介
2.4 Windows下安裝Anaconda
2.5 Linux下安裝Anaconda
2.6 Mac下安裝Anaconda
2.7 本地啟動Jupyter Notebook
2.8 小結
2.9 習題
第3章零點一基礎入門Python
3.1 最簡體驗print方法
3.2 更多print玩法
3.3 最簡體驗Python變量
3.4 最簡體驗Python列表與遍歷
3.5 最簡體驗Python字典
3.6 項目實戰：智能通訊錄
3.7 分支語法if
3.8 小結
3.9 習題
第4章最簡體驗數字圖像
4.1 最簡體驗像素
4.2 最簡體驗代碼畫圖
4.3 點與線
4.4 高效交流，協作學習
4.5 正式認識Matplotlib
4.6 小結
4.7 習題
第5章最簡體驗數組
5.1 最簡體驗NumPy
5.2 基於數組進行畫圖
5.3 最簡體驗Figure與Axes
5.4 小結
5.5 習題
第2篇算法篇
第6章最簡體驗卷積運算
6.1 最簡體驗維度
6.2 最簡體驗向量
6.3 最簡體驗一維卷積
6.4 卷積得到的是什麼
6.5 小結
6.6 習題
第7章綜合案例之滑動窗口示意圖
7.1 正式認識subplots()方法
7.2 滑動窗口示意圖0.1版
7.3 最常用圖像元素之文本框
7.4 小結
7.5 習題
第3篇綜合篇
第8章源碼解讀
8.1 TensorFlow示例代碼解讀
8.2 源碼解讀
8.3 基於Notebook服務的開發環境復現
8.4 小結
8.5 習題
後記
