

目录
第一章 人工智能: 新时代的开启
1.1 跨越时空: 铭铭的一天
1.2 光辉岁月: 人工智能简史
1.3 百花齐放: 人工智能在各行各业的应用
1.4 初露真容: 人工智能与机器学习
第二章 牛刀小试: 察异辨花
2.1 初学乍练: 分类任务
2.2 含英咀华: 提取特征
2.3 分门别类: 分类器
2.4 实践出真知: 测试和应用
2.5 五花八门: 多类别分类
2.6 大显身手: 二分类在生活中的应用
第三章 别具慧眼: 识图认物
3.1 温故知新: 基于手工特征的图像分类
3.2 另辟蹊径: 基于深度神经网络的图像分类
3.3 “网”不厌深: 深度神经网络的发展与挑战
3.4 忽如一夜春风来: 图像分类在日常生活中的应用
第四章 耳听八方: 析音赏乐
4.1 洗耳恭听: 听声的艺术
4.2 丝竹管弦: 音乐风格分类
4.3 言听计从: 语音识别技术
4.4 听声辨曲: 乐曲检索技术
第五章 冰雪聪明: 看懂视频
5.1 化静为动: 从图像到视频
5.2 明察秋毫: 视频行为识别
5.3 基于深度学习的视频行为识别
第六章 无师自通: 分门别类
6.1 当人工智能未曾听说花的名字
6.2 物以类聚: 鸢尾花的K 均值聚类
6.3 人以群分: 相册中的人脸聚类
6.4 层次聚类与生物聚类
第七章 识文断字: 理解文本
7.1 任务的特点
7.2 文本的特征
7.3 高屋建瓴: 发掘文本中潜在的主题
7.4 投其所好: 基于主题的文本搜索与推荐
第八章 神来之笔: 创作图画
8.1 九层之台, 起于累土: 数据空间和数据分布
8.2 化腐朽为神奇的创作家: 生成网络
8.3 火眼金睛的鉴赏家: 判别网络
8.4 在对抗中合作与进步: 生成对抗网络
8.5 得心应手地创作: 条件生成对抗网络
第九章 运筹帷幄: 围棋高手
9.1 初窥门径: 阿尔法狗的走棋网络
9.2 远见卓识: 阿尔法狗的大局观
9.3 成就非凡: 阿尔法元
导轨又称滑轨、线性导轨、线性滑轨,用于直线往复运动场合,拥有比直线轴承更高的额定负载, 同时可以承担一定的扭矩,可在高负载的情况下实现高精度的直线运动。
这一篇谈一下面部遮挡的情况下,怎么把人脸还原回来。
这篇我们进一步在树莓派上编译并安装 Pytorch 的最新版本。
这篇文档以 SIPEED MaixDuino 的使用为示例说明,并且大部分内容通用于 K210 系列开发板,可供购入 K210 系列顾客参考使用。
本文会介绍如何使用TensorFlow Lite构建一个本地语音识别系统,内容包括语音前端处理、语音识别模型的训练以及如何将其转换为TensorFlow Lite格式并部署到ESP32。
这篇使用ngrok做内网穿透,让我们能通过公网访问树莓派。
本文并不花时间去说明 CSI 摄像头的工作原理,主要配合 Jetbot 的安装,以及执行最简单指令去确认您手上的摄像头是否良好可用。
跟着指定路线去前进,才是真正进入有实用价值的应用。
2023年11月17日,一段视频发布在YouTube上,是MIT App Inventor项目组的两位重量级人物——Hal与Evan的对话,讨论的内容是生成式人工智能对编程教育的影响,以及App Inventor未来的技术方向。
近年来,人工智能在教育的影响日益凸显,其热度持续升温。作为科技创新的杰出代表,人工智能正以其独特的优势,逐渐改变着传统教育的面貌。学生们对于学习人工智能的热情也日益高涨。通过学习人工智能,学生们可以深入了解其原理、算法和应用场景,从而更好地将其应用于自己的学习和生活当中。