人工智能從入門到進(jìn)階實(shí)戰(zhàn)

入門篇
第1章 初識(shí)人工智能
1.1 什么是AI（人工智能）003
1.2 生活中的人工智能003
1.3 人工智能簡(jiǎn)史006
1.4 人工智能擅長(zhǎng)的領(lǐng)域007
1.5 人工智能與機(jī)器學(xué)習(xí)008
1.6 什么是神經(jīng)網(wǎng)絡(luò)009
1.7 訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)012
1.8 可解釋的AI讓神經(jīng)網(wǎng)絡(luò)的黑盒不黑014
1.9 強(qiáng)化學(xué)習(xí)無(wú)師自通016
1.10 面對(duì)人工智能，與其恐懼，不如擁抱017

第2章 體驗(yàn)人工智能
2.1 基于深度學(xué)習(xí)的中國(guó)古典詩(shī)歌自動(dòng)生成系統(tǒng)019
2.2 AI猜畫(huà)小能手022
2.3 AI摳圖——PS再也不用找專業(yè)設(shè)計(jì)師025
2.4 AI植物專家——帶你認(rèn)識(shí)身邊植物027
2.5 AI繪畫(huà)魔術(shù)師——不同繪畫(huà)風(fēng)格融合030
2.6 AI識(shí)數(shù)——智能識(shí)別數(shù)字031

第3章 讓你的創(chuàng)客作品變“智能”
3.1 mDesigner簡(jiǎn)介033
3.2 mDesigner界面介紹 034
3.3 智能收音機(jī)的制作 035

進(jìn)階篇
第4章 圖形化編程搭建神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)系統(tǒng)
4.1 初識(shí)TensorFlow056
4.2 TensorFlow圖形化編程環(huán)境搭建056
4.2.1 Kittenblock安裝056
4.2.2 Kittenblock的TensorFlow插件安裝058
4.3 TensorFlow圖形化編程實(shí)現(xiàn)預(yù)測(cè)數(shù)據(jù)059
4.3.1 預(yù)測(cè)數(shù)據(jù)程序界面功能介紹059
4.3.2 核心代碼介紹061
4.3.3 優(yōu)化器介紹066
4.3.4 損失函數(shù)介紹068
4.3.5 深度學(xué)習(xí)學(xué)習(xí)率介紹068
4.4 TensorFlow圖形化編程實(shí)現(xiàn)手寫(xiě)數(shù)字識(shí)別069
4.4.1 通過(guò)加載訓(xùn)練好的MNIST模型體驗(yàn)手寫(xiě)數(shù)字識(shí)別069
4.4.2 訓(xùn)練生成圖像識(shí)別模型073
4.5 TensorFlow圖形化編程實(shí)現(xiàn)物體識(shí)別分類083
4.6 TensorFlow圖形化編程實(shí)現(xiàn)攝像頭識(shí)別手勢(shì)088
4.7 如何提高TensorFlow識(shí)別度097

第5章 常用的深度學(xué)習(xí)開(kāi)發(fā)工具
5.1 Python與TensorFlow098
5.1.1 走進(jìn)Python，靠近人工智能098
5.1.2 TensorFlow 帶你快速入門深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)100
5.2 Windows環(huán)境下搭建Anaconda和TensorFlow101
5.3 Jupyter Notebook 極速入門 106
5.3.1 什么是Jupyter？106
5.3.2 Jupyter新建項(xiàng)目109
5.3.3 Jupyter交互式的Python命令行112
5.3.4 Jupyter編寫(xiě)文檔113
5.4 Ubuntu虛擬機(jī)環(huán)境搭建117
5.4.1 簡(jiǎn)介117
5.4.2 環(huán)境準(zhǔn)備118
5.4.3 VMware虛擬機(jī)安裝118
5.4.4 VMware下創(chuàng)建虛擬機(jī)121
5.4.5 虛擬機(jī)下安裝Ubuntu122
5.5 樹(shù)莓派開(kāi)源硬件簡(jiǎn)介124

第6章 人工智能應(yīng)用案例
6.1 可視化神經(jīng)網(wǎng)絡(luò)訓(xùn)練平臺(tái)：TensorFlow游樂(lè)場(chǎng)130
6.2 自然語(yǔ)言處理之垃圾短信判別140
6.2.1 簡(jiǎn)介140
6.2.2 主要范疇141
6.2.3 機(jī)器學(xué)習(xí)判別垃圾短信原理141
6.2.4 實(shí)踐TensorFlow分詞處理辨別語(yǔ)意142
6.2.5 項(xiàng)目目錄結(jié)構(gòu)151
6.3 遷移神經(jīng)網(wǎng)絡(luò)讓你的電腦認(rèn)識(shí)貓和狗152
6.3.1 概述152
6.3.2 遷移學(xué)習(xí)152
6.3.3 項(xiàng)目結(jié)構(gòu)及流程153
6.3.4 數(shù)據(jù)準(zhǔn)備153
6.3.5 VGG與VGG-16154
6.3.6 VGG-16的TensorFlow實(shí)現(xiàn)155
6.3.7 VGG-16模型復(fù)用158
6.3.8 數(shù)據(jù)輸入159
6.3.9 模型重新訓(xùn)練和保存161
6.3.10 預(yù)測(cè)164
6.3.11 項(xiàng)目目錄結(jié)構(gòu)167
6.4 訓(xùn)練神經(jīng)網(wǎng)絡(luò)讓你的遙控賽車變成自動(dòng)駕駛賽車167
6.5 圖像識(shí)別人體姿勢(shì)控制無(wú)人機(jī)編隊(duì)飛行 196
6.5.1 OpenPose人體姿態(tài)識(shí)別199
6.5.2 kNN分類算法199
6.5.3 使用UAV-Gesture-Control_Python開(kāi)源項(xiàng)目實(shí)現(xiàn)姿勢(shì)控制Tello無(wú)人機(jī)201
6.5.4 軟件環(huán)境搭建簡(jiǎn)介202
6.5.5 姿勢(shì)控制一架Tello無(wú)人機(jī)飛行205
6.5.6 控制Tello無(wú)人機(jī)編隊(duì)飛行206