![]()
内容推荐 《从机器学习到无人驾驶》以机器学习为出发点,使用简易的代码讲解机器学习的核心算法(深度神经网络和强化学习),在算法学习的基础上使用增量方法开发包含定位、预测、路径规划和业务控制等一系列自动驾驶模块。该书代码实例涉及自动驾驶的普遍业务方法,可使读者理解自动驾驶背后的设计思想和原理,快速入门自动驾驶的算法和开发流程。 《从机器学习到无人驾驶》示例代码丰富,涵盖实际开发中所有的重要知识点,适合无人驾驶从业者、想要学习机器学习和无人驾驶的开发人员阅读,也可用作培训机构和高校相关专业的教学参考书。 作者简介 宋哲贤,多年互联网和机器学习开发经历,在有名车企从事车辆智能化算法架构研发,对于人工智能应用有较强的实践经验,目前专注于迁移学习的工程化实践。 慕课网不错讲师,热爱分享,开发多门人工智能的入门和进阶课程,擅长实例的类比讲解。 获得车辆智能化国家1项。 目录 篇机器学习基础 章机器学习与无人驾驶 1.1机器学习简介 1.1.1机器学习 1.1.2深度学习 1.1.3强化学习 1.2无人驾驶与机器学习 1.2.1无人驾驶的历史 1.2.2为什么要在无人驾驶中应用机器学习 1.2.3无人驾驶商业化的优势 1.2.4无人驾驶商业化的进展 参考文献 第2章TensorFlow基础 2.1机器学习主流框架简介 2.2TensorFlow开发环境搭建 2.2.1基于Python语言框架的Virtualenv方案 2.2.2基于应用容器化的Docker方案 2.3HelloTensorFlow——一个简单的例子 2.4TensorFlow架构 2.4.1TensorFlow架构概述 2.4.2TensorFlow客户端架构 2.4.3TensorFlow分布式主服务架构 2.4.4TensorFlow工作器服务架构 2.4.5TensorFlow内核架构 2.5TensorFlow核心API 2.5.1TensorFlow低级API 2.5.2TensorFlow**API 2.6扩展:使用tensorflow.js进行机器学习 参考文献 第3章线性回归 3.1什么是线性回归 3.1.1线性回归的概念 3.1.2线性回归的历史 3.1.3线性回归模型 3.2线性回归中的*小二乘法模型 3.3最小二乘法模型实例 3.4线性回归的梯度下降模型 3.5梯度下降模型实例 参考文献 第4章逻辑回归 4.1逻辑回归简介 4.2逻辑回归模型 4.3泛逻辑回归 4.4实例:股价预测 参考文献 第二篇机器学习进阶 第5章神经网络 5.1神经元模型 5.1.1神经网络的灵感来源 5.1.2感知器模型概述 …… |