內容簡介
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。
作者介紹
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
目次
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
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
