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。

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001
1.1人工智能与深度学习002
1.2人工智能深度学习的使用步骤004
1.3人工智能深度学习框架009
1.4人工智能的应用010
1.5AI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020
2.1PaddlePaddle简介021
2.2PaddlePaddle行业应用022
2.3PaddlePaddle环境搭建023
2.4高层API025
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030
3.1张量031
3.2动态图033
3.3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049
4.1机器学习050
4.2线性回归050
4.3sklearn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058
5.1机器学习分类059
5.2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068
6.1LeNet?5069
6.2AlexNet071
6.3VGGNet072
6.4GoogleLeNet073
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084
7.1循环神经网络085
7.2LSTM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099
8.1自然语言处理100
8.2词向量Word2Vec102
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112
9.1推荐系统概述113
9.2推荐系统本质114
9.3常用的推荐系统算法114
9.4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128
10.1目标检测概述129
10.2常用的开源数据集132
10.3PaddleDetection135
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149
11.1迁移学习150
11.2PaddleHub150
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158
12.1什么是EasyDL159
12.2EasyDL应用场景159
12.3EasyDL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177
13.1什么是工业质检178
13.2芯片划痕质检案例介绍178
13.3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