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 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
1.5　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 020
2.1　PaddlePaddle 简介 021
2.2　PaddlePaddle 行业应用 022
2.3　PaddlePaddle 环境搭建 023
2.4　高层API 025
任务实施 026
任务小结 028
任务评价 029
任务3
PaddlePaddle 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
4.3　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 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6
LeNet 之眼疾识别
任务目标 068
任务描述 068
任务准备 068
6.1　LeNet?5 069
6.2　AlexNet 071
6.3　VGGNet 072
6.4　GoogleLeNet 073
任务实施 074
任务小结 083
任务评价 083
任务7
RNN 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
7.2　LSTM 模型 085
任务实施 086
任务小结 098
任务评价 098
任务8
GRU 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 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
10.3　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11
PaddleHub 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
11.2　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 158
12.1　什么是EasyDL 159
12.2　EasyDL 应用场景 159
12.3　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 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