人工智能应用基础（PaddlePaddle版）

本书按照人工智能模型训练开发流程介绍了人工智能模型训练开发技术，包括PaddlePaddle的简介及基础知识、线性回归、卷积神经网络、循环神经网络、自然语言处理、推荐算法、计算机视觉、迁移学习、图像分类、图像识别等，并通过实际的操作案例详细、直观地讲解了人工智能算法和模型的实现过程，可帮助开发人员快速完成人工智能等相关开发任务。本书内容简明通俗，便于理解，不仅可以拓宽读者的知识面，还可以培养计算机应用能力和解决问题的能力，具有实用、操作性强等特点。本书既可作为高等职业院校和应用型本科人工智能、大数据等相关专业的教学用书，也可作为相关专业人员自学的参考书和培训教材。为方便教学，本书配备电子课件等教学资源。凡选用本书作为教材的教师均可登录机械工业出版社教育服务网www.cmpedu.com注册后免费下载。如有问题请致信cmpgaozhi@sina.com，或致电010-88379375联系营销人员。

目 录前言二维码索引任务1走进人工智能任务目标 001任务描述 001任务准备 0011.1　人工智能与深度学习 0021.2　人工智能深度学习的使用步骤 0041.3　人工智能深度学习框架 0091.4　人工智能的应用 0101.5　AI 操作平台 012任务实施 015任务小结 019任务评价 019任务2初识PaddlePaddle任务目标 020任务描述 020任务准备 0202.1　PaddlePaddle 简介 0212.2　PaddlePaddle 行业应用 0222.3　PaddlePaddle 环境搭建 0232.4　高层API 025任务实施 026任务小结 028任务评价 029任务3PaddlePaddle 基础知识任务目标 030任务描述 030任务准备 0303.1　张量 0313.2　动态图 0333.3　模型开发 034任务实施 045任务小结 047任务评价 047任务4线性回归——预测程序员月薪任务目标 049任务描述 049任务准备 0494.1　机器学习 0504.2　线性回归 0504.3　sklearn 库 052任务实施 053任务小结 057任务评价 057任务5卷积神经网络——猫狗分类任务目标 058任务描述 058任务准备 0585.1　机器学习分类 0595.2　卷积神经网络概述 060任务实施 062任务小结 067任务评价 067任务6LeNet 之眼疾识别任务目标 068任务描述 068任务准备 0686.1　LeNet?5 0696.2　AlexNet 0716.3　VGGNet 0726.4　GoogleLeNet 073任务实施 074任务小结 083任务评价 083任务7RNN 实现谣言检测任务目标 084任务描述 084任务准备 0847.1　循环神经网络 0857.2　LSTM 模型 085任务实施 086任务小结 098任务评价 098任务8GRU 电影评论情感分析任务目标 099任务描述 099任务准备 0998.1　自然语言处理 1008.2　词向量Word2Vec 102任务实施 105任务小结 111任务评价 111任务9电影系统推荐任务目标 112任务描述 112任务准备 1129.1　推荐系统概述 1139.2　推荐系统本质 1149.3　常用的推荐系统算法 1149.4　实践中的推荐系统 115任务实施 116任务小结 127任务评价 127任务10目标检测——火灾烟雾检测任务目标 128任务描述 128任务准备 12810.1　目标检测概述 12910.2　常用的开源数据集 13210.3　PaddleDetection 135　10.4　用户数据处理 138任务实施 143任务小结 147任务评价 148任务11PaddleHub 实现桃子分拣任务目标 149任务描述 149任务准备 14911.1　迁移学习 15011.2　PaddleHub 150任务实施 153任务小结 157任务评价 157任务12使用EasyDL 实现图像分类任务目标 158任务描述 158任务准备 15812.1　什么是EasyDL 15912.2　EasyDL 应用场景 15912.3　EasyDL 的优势 160任务实施 160任务小结 176任务评价 176任务13使用EasyDL 实现芯片划痕质检任务目标 177任务描述 177任务准备 17713.1　什么是工业质检 17813.2　芯片划痕质检案例介绍 17813.3　其他工业质检的应用案例 179任务实施 179任务小结 195任务评价 195参考文献 196