本书为深圳信息职业技术学院等高职院校与腾讯集团共同编写的高等职业教育人工智能技术应用专业校企“双元”合作系列教材之一,同时也是高等职业教育计算类课程新形态一体化教材。
本书采用项目化任务分解的形式,讲解深度学习开发与应用技术。全书分为10个项目16个任务,主要内容包括:认识人工智能,Linux系统和Python开发环境安装,安装人工智能深度学习开发环境,准备训练所用知识库——认识和预处理数据集,构建多层感知模型进行手写数字图像识别,优化多层感知模型进行手写数字图像识别,构建卷积神经网络模型识别多个类别,构建长短时记忆网络模型进行游戏评论内容的分类,使用GPU训练卷积神经网络进行多目标的识别,基于Keras框架的目标检测Web应用软件开发。
本书配有微课视频、课程标准、教学设计、授课用PPT、习题及解析、程序源代码等数字化学习资源。与本书配套的“深度学习开发与应用”数字课程在“智慧职教”(www.icve.com.cn)平台上线,学习者可以登录平台进行学习,也可以通过扫描书中二维码观看教学视频,详见“智慧职教”服务指南。
本书可作为高职院校人工智能技术应用专业的专业课教材,也可作为对深度学习感兴趣的学习者和工程技术人员的入门参考书。
- 前辅文
- 项目1 认识人工智能
- 学习目标
- 项目描述
- 任务1-1 了解人工智能
- 任务1-2 了解人工智能、机器学习和深度学习
- 任务1-3 了解深度学习的应用
- 项目总结
- 课后练习
- 项目2 Linux系统和Python开发环境安装
- 学习目标
- 项目描述
- 任务2-1 申请并使用腾讯云控制台
- 任务2-2 创建Linux系统虚拟主机(*)
- 任务2-3 连接Linux系统虚拟主机(*)
- 任务2-4 在Windows系统中安装Linux系统和Python环境
- 项目总结
- 课后练习
- 项目3 安装人工智能深度学习开发环境
- 学习目标
- 项目描述
- 任务3-1 在腾讯云主机中安装深度学习开发环境
- 任务3-2 在本地Ubuntu系统中安装深度学习开发环境(*)
- 项目总结
- 课后练习
- 项目4 准备训练所用知识库——认识和预处理数据集
- 学习目标
- 项目描述
- 任务4 认识和预处理MNIST手写数字图像数据集
- 项目总结
- 课后练习
- 项目5 构建多层感知模型进行手写数字图像识别
- 学习目标
- 项目描述
- 任务5 构建多层感知模型进行手写数字图像识别
- 项目总结
- 课后练习
- 项目6 优化多层感知模型进行手写数字图像识别
- 学习目标
- 项目描述
- 任务6 构建多层感知模型进行手写数字图像识别
- 项目总结
- 课后练习
- 项目7 构建卷积神经网络模型识别多个类别
- 学习目标
- 项目描述
- 任务7 构建卷积神经网络识别多个图像类别
- 项目总结
- 课后练习
- 项目8 构建长短时记忆网络模型进行游戏评论内容的分类
- 学习目标
- 项目描述
- 任务8 构建长短时记忆网络模型进行游戏评论内容的分类
- 项目总结
- 课后练习
- 项目9 使用GPU训练卷积神经网络进行多目标的识别
- 学习目标
- 项目描述
- 任务9 使用GPU训练卷积神经网络进行多目标的识别
- 项目总结
- 课后练习
- 项目10 基于Keras框架的目标检测Web应用软件开发
- 学习目标
- 项目描述
- 任务10 基于Keras框架的目标检测Web应用软件开发
- 项目总结
- 课后练习
- 参考文献