O texto nas imagens pode ser traduzido
Inteligência artificial aprendizagem profunda prática básica faculdade e escola secundária computador público cargos populares e telecomunicações Imprensa
Preço por unidade incluindo frete para o Brasil
Quantidade
Produto selecionado
Especificações do produto
Editora
People's posts and telecommunications Press
Autor
Zhang Jian, edited by changcheng
Data de publicação
2022.08
Título
Artificial intelligence deep learning basic practice college and secondary school public computer people's pos...
Foit
16 Open
Número do livro
9787115575883
Preço do livro
39.80
Editora
People's posts and telecommunications Press
Autor
Zhang Jian, edited by changcheng
Data de publicação
2022.08
Título
Artificial intelligence deep learning basic practice college and secondary school public computer people's pos...
Foit
16 Open
Número do livro
9787115575883
Preço do livro
39.80
Editora
People's posts and telecommunications Press
Autor
Zhang Jian, edited by changcheng
Data de publicação
2022.08
Título
Artificial intelligence deep learning basic practice college and secondary school public computer people's pos...
Foit
16 Open
Número do livro
9787115575883
Preço do livro
39.80
Detalhes do produto
Texto da imagem traduzido automaticamente
| Recomendação do Editor | |
| 1. Apresentar a tecnologia da plataforma de ferramentas de inteligência artificial do Baidu e casos reais da indústria para aprofundar a integração entre a indústria e a educação. 2. Utilizar a integração de "cursos, competições e certificados" como ideia de design para cultivar talentos técnicos e qualificados de alta qualidade. 3. Combinar a teoria com a prática e focar no cultivo de habilidades práticas. 4. Livro didático de apoio para certificação de nível de habilidade profissional em engenharia de aprendizagem profunda de inteligência artificial Baidu 1+X. |
| Índice | |
|
Capítulo 1: Desenvolvimento de Produtos de Inteligência Artificial 1 Projeto 1 Gestão da Demanda por Inteligência Artificial 2 Descrição do Projeto 2 Preparação de Conhecimento 2 1.1 Definição de Requisitos 2 1.2 O processo de gestão da demanda 3 1.2.1 Aquisição de Requisitos 3 1.2.2 Análise de Requisitos 4 1.2.3 Declaração de Requisitos 4 1.2.4 Verificação de Requisitos 5 1.3 Escrevendo documentos de requisitos 5 1.3.1 Requisitos do produto 5 1.3.2 Objetivos do Produto 6 1.3.3 Características do produto 6 Implementação do projeto Redigir o documento de requisitos do projeto de teste de commodities 7 1.4 Ideias de implementação 7 1.5 Etapa de implementação 7 Expansão do conhecimento 9 Treinamento pós-aula 10 Projeto 2 Projetando produtos de inteligência artificial 11 Descrição do Projeto 11 Preparação de Conhecimento 11 2.1 Características dos Produtos de IA11 2.2 Processo de Design de Produto de Inteligência Artificial 12 2.2.1 Gestão da Demanda 12 2.2.2 Design funcional 12 2.2.3 Projeto de Protótipo 14 2.2.4 Implementação de P&D 16 2.3 Tendências de desenvolvimento de produtos de inteligência artificial16 2.3.1 Falhas atuais no design de produtos de IA16 2.3.2 Tendências de desenvolvimento do design de produtos de inteligência artificial16 Projeto de implementação de projeto de teste de commodities 17 2.4 Ideias de implementação 17 2.5 Etapa de implementação 17 Expansão do conhecimento 20 Treinamento pós-aula 20 Projeto 3 Aplicação da Plataforma de Desenvolvimento de Inteligência Artificial 22 Descrição do Projeto 22 Preparação do Conhecimento 22 3.1 Introdução à Plataforma de Desenvolvimento de Inteligência Artificial 22 3.1.1 Plataforma de Serviço de Dados Inteligentes 23 3.1.2 Plataforma de Modelo de Aprendizado Profundo 24 3.2 Processo de Desenvolvimento de Inteligência Artificial 27 3.2.1 Análise de Demanda 27 3.2.2 Preparação de Dados 27 3.2.3 Treinamento do modelo 34 3.2.4 Aplicação do modelo 34 Teste de commodities de implementação de projeto 35 3.3 Ideias de implementação 35 3.4 Etapas de implementação 35 Expansão do conhecimento 49 Treinamento pós-aula 50 Capítulo 2 Aplicação de Dados de Aprendizado Profundo 51 Projeto 4 Aplicação de Engenharia de Aquisição de Dados 52 Descrição do Projeto 52 Preparação de Conhecimento 52 4.1 Conjuntos de dados comuns e mercados de serviços de dados 52 4.1.1 Conjuntos de dados de código aberto53 4.1.2 Conjuntos de dados da indústria53 4.1.3 Mercado de Serviços de Dados54 4.2 Conjuntos de dados integrados do PaddlePaddle 55 4.3 Requisitos de qualidade da coleta de dados 56 4.3.1 Princípios de controle de qualidade de dados 56 4.3.2 Métodos de controle de qualidade de dados 56 4.3.3 Método de avaliação da qualidade dos dados 57 Implementação do projeto carregando o conjunto de dados interno do PaddlePaddle 57 4.4 Ideias de implementação 57 4.5 Etapas de implementação 57 Expansão do conhecimento 60 Treinamento pós-aula 61 Projeto 5 Aplicação de Engenharia de Processamento de Dados 62 Descrição do Projeto 62 Preparação de Conhecimento 62 5.1 Características dos Dados 62 5.2 Engenharia de Recursos 63 5.2.1 Pré-processamento de dados 63 5.2.2 Visualização de recursos de dados 63 5.2.3 Mineração de recursos de dados 64 Implementação do projeto: Mineração de dados de consumo de combustível de automóveis 65 5.3 Ideias de implementação 65 5.4 Etapas de implementação 65 Expansão do conhecimento 72 Treinamento pós-aula 73 Projeto 6 Anotação de Dados Aplicação de Engenharia 74 Descrição do Projeto 74 Preparação de Conhecimento74 6.1 Ferramentas e plataformas de anotação de dados 74 6.1.1 Ferramentas de anotação de dados de imagem 75 6.1.2 Ferramentas de anotação de dados de texto 75 6.1.3 Ferramentas de anotação de dados de áudio 76 6.1.4 Plataforma de Anotação de Dados 76 6.2 Tarefas comuns de anotação de dados 77 6.2.1 Classificação e rotulagem 77 6.2.2 Marcação de quadros 77 6.2.3 Marcação de área 78 6.2.4 Marcação de pontos 78 6.3 Padrões de Qualidade de Anotação de Dados 79 Implementação do projeto Anotação de dados EasyData 79 6.4 Ideias de implementação 79 6.5 Etapas de implementação de anotação de dados de classificação de imagem 79 6.6 Etapas de implementação da rotulagem de dados de detecção de objetos 81 6.7 Etapas de implementação de anotação de dados de segmentação de imagem 82 6.8 Etapas de implementação de anotação de dados de classificação de texto 83 6.9 Etapas de implementação de anotação de dados de similaridade de texto curto 84 Expansão do conhecimento 85 Treinamento pós-aula 86 Capítulo 3 Aplicações básicas do Deep Learning 87 Projeto 7 Treinamento de Modelo de Aprendizado de Máquina 88 Descrição do Projeto 88 Preparação de Conhecimento 88 7.1 Noções básicas de aprendizado de máquina 88 7.2 Processo de Treinamento de Aprendizado de Máquina 89 7.2.1 Operação de Dados 89 7.2.2 Construção do Modelo90 7.2.3 Implementação de tarefas de aprendizado de máquina 90 7.3 Algoritmos Comuns 90 7.3.1 Regressão Linear 90 7.3.2 Regressão Logística 91 7.3.3 Árvore de Decisão 91 7.3.4 Floresta aleatória 92 Implementação do projeto: Previsão do consumo de combustível de automóveis por meio de modelos de aprendizado de máquina92 7.4 Ideias de implementação 92 7.5 Etapas de implementação 92 Expansão do conhecimento 94 Treinamento pós-aula 94 Projeto 8 Desenvolvimento de Aplicação de Framework de Aprendizado Profundo 96 Descrição do Projeto 96 Preparação de Conhecimento 96 8.1 O papel dos frameworks de aprendizagem profunda 96 8.2 Estruturas comuns de aprendizado profundo 97 8.2.1 PaddlePaddle 97 8.2.2 TensorFlow 99 8.2.3 Keras 99 8.2.4 Café 99 8.2.5 PyTorch 100 Implementação e instalação do projeto PaddlePaddle 100 8.3 Ideias de implementação 100 8.4 Etapas de implementação 100 8.4.1 Instalar o PaddlePaddle no sistema Windows Etapas de implementação 100 8.4.2 Instalar o PaddlePaddle no sistema Linux Etapas de implementação 106 Expansão do conhecimento 108 8,5 GPU 108 8.6 CUDA e Kit de ferramentas CUDA 109 Treinamento pós-aula 109 …… |
| breve introdução | |
| Este livro apresenta de forma abrangente o desenvolvimento de produtos de inteligência artificial, aplicações de dados de aprendizado profundo e aplicações básicas de aprendizado profundo em cenários de aplicações de aprendizado profundo. O livro abrange um total de 10 projetos, incluindo gerenciamento de demanda de inteligência artificial, design de produtos de inteligência artificial, aplicações de plataforma de desenvolvimento de inteligência artificial, aplicações de engenharia de coleta de dados, aplicações de engenharia de processamento de dados, aplicações de engenharia de anotação de dados, treinamento de modelos de aprendizado de máquina, desenvolvimento de aplicações de framework de aprendizado profundo, aplicações de funções básicas de framework de aprendizado profundo, aplicações de modelos de regressão linear de aprendizado profundo, etc. Este livro é voltado para atender às necessidades de emprego das empresas, tendo como núcleo as habilidades profissionais e o treinamento abrangente de qualidade. Por meio da combinação de teoria e prática, ele cultiva talentos que podem concluir a coleta, anotação, processamento de dados, treinamento de modelos de aprendizado de máquina, treinamento de modelos de aprendizado profundo, etc., de acordo com as necessidades de projetos de aprendizado profundo. Este livro é adequado para o ensino e treinamento do Certificado de Nível de Habilidade Vocacional (Intermediário) em Aplicação de Engenharia de Aprendizado Profundo de Inteligência Artificial no trabalho piloto do sistema de certificação "1+X". Também é adequado como livro-texto para alunos de cursos relacionados à inteligência artificial em escolas de ensino médio profissionalizante, escolas de ensino superior profissionalizante e faculdades de graduação aplicada. Também é adequado como livro de referência para técnicos que precisam enriquecer seus conhecimentos sobre desenvolvimento de aplicações de aprendizado profundo. |
| Sobre o autor | |
| Zhang Jian, diretor do curso de tecnologia de software da Faculdade de Tecnologia e Vocacional de Informação de Shenzhen, engenheiro sênior, pós-doutorado no Instituto de Tecnologia de Harbin (Shenzhen), reserva de talentos de Shenzhen e Classe C do Shenlong Talent do Distrito de Longgang. Trabalhou no Terceiro Instituto de Pesquisa da China Electronics Technology Group Corporation e na Escola de Ciência da Computação do Instituto de Tecnologia de Harbin (Shenzhen). Suas principais áreas de pesquisa incluem: pesquisa sobre algoritmos de detecção de alvos baseados em aprendizado profundo, pesquisa sobre algoritmos de reconhecimento biométrico em condições de pequena amostra, algoritmos de segmentação de imagens em condições complexas de tráfego e aplicações de direção assistida inteligente. Ele presidiu a construção do curso "Desenvolvimento e Aplicação de Estrutura de Aprendizado Profundo em Nuvem" para níveis de graduação e superior, e criou 1 livro didático tridimensional e 1 curso baseado na Amazon Cloud, 1 livro didático e 1 curso baseado na Tencent Cloud e 1 curso internacionalizado para a UNESCO. |
Total
Entrega
ICMS
PIS e COFINS
Outro
Produtos similares
