隨著深度學習的快速發展以及單晶片的運算強化,人工智慧(AI)與物聯網(IoT)已融合產生出新型態的應用AIoT(人工智慧物聯網)。本書為物聯網實作系列書籍之一,選用人們最常使用的網路介面――瀏覽器,使用Google開發的TensorFlow.js來撰寫AI程式,打造新世代網頁應用。
作者以多年的教學經驗及競賽成果,開發一系列物聯網實作之教材。本書內容從體驗TensorFlow.js預訓練模型開始,再介紹如何使用TensorFlow.js進行線性回歸,並以遊戲分別實作AI玩乒乓球遊戲、與AI對打乒乓球遊戲、乒乓球遊戲分數記錄至雲端資料庫,以及使用頭部姿態控制乒乓球等,然後學習時間序列預測、Quandl的金融資料預測股市趨勢的金融資料預測股市趨勢,最後則是遷移學習、聲音辨識與TensorFlow模型轉換進行影像辨識與SSD測試等。提供多種的應用方式方便讀者將AI運用到自己的網頁中。
本書循序漸進,由淺入深,相信對有心自學深度學習的讀者會有所助益,也能讓想知道物聯網如何結合人工智慧的讀者初探門道。
作者簡介:
陸瑞強
現職:
國立宜蘭大學助理教授
學歷:
國立臺灣大學電機工程學研究所博士
經歷:
電子工程技師
經濟部智慧財產局專利審查委員
清雲技術學院助理教授
廖裕評
現職:
中原大學電機系教授
中原大學研究發展處人本人工智慧中
心主任
學歷:
國立臺灣大學電機工程學研究所博士
經歷:
健行科技大學電子系教授
健行科技大學電子系副教授
健行科技大學電子系系主任
目錄
第一堂課 導論
第二堂課 體驗TensorFlow.js預訓練模型
第三堂課 使用TensorFlow.js進行線性回歸
第四堂課 AI玩乒乓球遊戲─設計乒乓球遊戲
第五堂課 AI玩乒乓球遊戲─記錄乒乓球遊戲資料
第六堂課 AI玩乒乓球遊戲─訓練神經網路模型
第七堂課 AI玩乒乓球遊戲─載入模型
第八堂課 與AI對打乒乓球遊戲
第九堂課 乒乓球遊戲分數記錄至雲端資料庫
第十堂課 使用頭部姿態控制乒乓球
第十一堂課 時間序列預測
第十二堂課 從Nasdaq Data Link的金融資料預測趨勢
第十三堂課 遷移學習
第十四堂課 聲音辨識
第十五堂課 TensorFlow模型轉換與SSD測試
第一堂課 導論
第二堂課 體驗TensorFlow.js預訓練模型
第三堂課 使用TensorFlow.js進行線性回歸
第四堂課 AI玩乒乓球遊戲─設計乒乓球遊戲
第五堂課 AI玩乒乓球遊戲─記錄乒乓球遊戲資料
第六堂課 AI玩乒乓球遊戲─訓練神經網路模型
第七堂課 AI玩乒乓球遊戲─載入模型
第八堂課 與AI對打乒乓球遊戲
第九堂課 乒乓球遊戲分數記錄至雲端資料庫
第十堂課 使用頭部姿態控制乒乓球
第十一堂課 時間序列預測
第十二堂課 從Nasdaq Data Link的金融資料預測趨勢
第十三堂課 遷移學習
第十四堂課 聲音辨...