幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

從AI模型到智能機器人(基於Python與TensorFlow)

  • 作者：高煥堂
  • 出版社：電子工業
  • ISBN：9787121370113
  • 出版日期：2019/09/01
  • 裝幀：平裝
  • 頁數：286
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共有十五章。第1?9章從OOP+Python應用出發，由淺入深，循序漸進，幫助用戶建立紮實的AI軟體開發的技術根基；第10?12章以AI技術簡史為起點，以機器學習為範例，說明如何用Python來撰寫簡單的AI模型（如Perceptron模型）程序，並通過實際訓練，讓用戶了解機器學習的原理，以及如何使用Python程序來進行調試；第13?15章以專業的TensorFlow平台為例，說明如何利用這種平台來設計NN（神經網路）模型，熟悉其訓練及應用過程。
    最後，將用戶在TensorFlow環境下訓練好的AI模型，移植到Android手機、機器人（如華碩Zenbo）或樹莓派（RPi）上，大大提升終端設備的智能性，從而創造更大的商機。希望本書能陪伴你馳騁于Python和TensorFlow技術領域之中，使你在未來的道路上大展宏圖。
作者介紹
高煥堂
    高煥堂，擁有40多年的軟體設計經驗。專註于AI&VR技術與創客輔導，在AI、Docker容器技術、Android終端平台等領域都有深入的研究。現任台灣銘傳大學「AI創新&設計思維」課程的指導教授，大連藝術學院創新創業導師，廈門VR/AR協會創業導師兼榮譽會長，併為華為、百度、騰訊（成都）等國內知名公司的高級設計師和IT架構師授課。
目錄
第1章  AI與面向對象Python
  1.1  AI思維簡史
  1.2  Python語言與AI
  1.3  布置Python開發環境
  1.4  開始編寫Python程序
  1.5  面向對象（Object-Oriented）入門
    1.5.1  對象（Object）
    1.5.2  消息（Message）
    1.5.3  事件（Event）
  1.6  軟體中的對象（Object）
    1.6.1  抽象
    1.6.2  抽象表示
    1.6.3  數據和函數
    1.6.4  歷史的足跡
  1.7  對象與變數（Variable）
    1.7.1  數據類型
    1.7.2  變數即對象
  1.8  對象與函數（Function）
    1.8.1  函數的角色
    1.8.2  事件驅動觀念
  1.9  自然界的分類
    1.9.1  分類與抽象
    1.9.2  對象與類
    1.9.3  類的體系
  1.10  軟體的分類
    1.10.1  類是數據類型
    1.10.2  類的用途：描述對象的屬性與行為
第2章  Python的對象與類
  2.1  OOP入門
  2.2  對象的概念
  2.3  對象分類與組合
    2.3.1  類的永恆性
    2.3.2  將對象分門別類
    2.3.3  對象的組合關係
  2.4  AKO抽象關係
  2.5  對象行為與介面
    2.5.1  介面入門
    2.5.2  消息傳遞與對象行為
    2.5.3  對象的運算行為
第3章  善用類
  3.1  如何描述對象：善用類
  3.2  如何創建軟體對象
  3.3  對象參考
  3.4  構造函數
  3.5  子類如何創建對象
第4章  對象的組合
  4.1  認識self參考
  4.2  建立對象的包含關係
  4.3  self參考值的妙用
  4.4  包容多樣化物件

  4.5  集合對象
第5章  類的封裝性
  5.1  對象的封裝性
  5.2  類：創造對象的封裝性
  5.3  類的私有屬性與函數
  5.4  類級別的屬性
  5.5  類級別的函數
第6章  類的繼承體系
  6.1  繼承的意義
  6.2  建立類繼承體系
  6.3  函數覆寫的意義
第7章  活用抽象類
  7.1  抽象類與繼承體系
  7.2  Python抽象類的表示法
    7.2.1  一般具象類
    7.2.2  抽象類
  7.3  從「抽象類」衍生「具象類」
  7.4  抽象類的妙用：默認行為
    7.4.1  Python默認行為的表示法
    7.4.2  默認行為的意義
  7.5  默認函數的妙用：反向調用
第8章  發揮「多態性」
  8.1  「多態性」的意義
    8.1.1  自然界的多態性
    8.1.2  多態性物體
  8.2  多態函數
  8.3  可覆寫函數
第9章  如何設計抽象類
  9.1  抽象：抽出共同的現象
  9.2  抽象的步驟
    9.2.1  Step1：抽出名稱、引數及內容都一致的函數
    9.2.2  Step2：抽出名稱相同、參數及內容有差異的函數
  9.3  洞悉「變」與「不變」
  9.4  著手設計抽象類
第10章  介面與抽象類
  10.1  介面的意義
  10.2  以Python抽象類來實現介面
  10.3  介面設計實例一：並聯電池對象
    10.3.1  不理解原理但也能用
    10.3.2  實現步驟
  10.4  介面設計實例二：串聯電池對象
    10.4.1  基本設計
    10.4.2  實現步驟
    10.4.3  總結
  10.5  介面設計實例三：Chain Of Responsibility設計模式
第11章  不插電學AI
  11.1  「不插電學AI」的意義
  11.2  AlphaGo的驚人學習能力
  11.3  範例：一隻老鼠的探索及學習
  11.4  記錄老鼠的探索選擇及結果

  11.5  老鼠當教練：訓練AI機器人
    11.5.1  以簡單算數，讓機器人表達智能
    11.5.2  機器人智能的提升過程
    11.5.3  一回生、兩回熟
    11.5.4  三回變高手
    11.5.5  第四回合訓練：邁向完美
    11.5.6  重新檢測一次
第12章  撰寫單層Perceptron程序
  12.1  開始「插電學AI」：使用Python
  12.2  展開第#0組數據的訓練
  12.3  進行更多組數據的訓練
  12.4  加入學習率
  12.5  增添一個Training類
  12.6  一個更詳細的Perceptron代碼
第13章  使用TensorFlow編程
  13.1  TensorFlow入門
  13.2  安裝TensorFlow環境
  13.3  開始使用TensorFlow
  13.4  展開第1回合的訓練：以老鼠教練為例
  13.5  展開100回合更周全的訓練
  13.6  設計Perceptron類
  13.7  採用TensorFlow的損失函數
  13.8  撰寫多層Perceptron程序
第14章  TensorFlow應用範例
  14.1  mnist手寫數字識別範例
  14.2  開始訓練NN模型
  14.3  改進NN模型：建立兩層Perceptron
  14.4  改進NN模型：建立三層Perceptron
  14.5  撰寫一個MLP類
第15章  如何導出AI模型
  15.1  導出模型入門
  15.2  機器人：像老鼠一樣學習
  15.3  基於TensorFlow建立AI模型
  15.4  存入Checkpoint文件
  15.5  讀取Checkpoint文件
  15.6  讀取流圖定義文件
  15.7  導出模型：寫入.pb文件
  15.8  導入模型，讀取.pb文件

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032