JavaScript 網頁設計與 TensorFlow.js 人工智慧應用教本
陳會安
- 出版商: 碁峰 樂讀精選兩書66折(部分除外)
- 出版日期: 2020-09-24
- 定價: $540
- 售價: 7.9 折 $427
- 貴賓價: 7.5 折 $405
- 語言: 繁體中文
- 頁數: 512
- 裝訂: 平裝
- ISBN: 9865026104
- ISBN-13: 9789865026103
-
相關分類:
JavaScript、DeepLearning、TensorFlow、人工智慧、網頁設計
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
$250$225 -
$520$442 -
$550$429 -
$300$234 -
$600$468 -
$520$406 -
$580$452 -
$1,200$948 -
$1,000$850 -
$356黑客攻防與網絡安全從新手到高手 (絕招篇)
-
$303計算機病毒與防範技術, 2/e
-
$620$490 -
$680$537 -
$620$484 -
$450$338 -
$520$406 -
$520$406 -
$880$695 -
$780$663 -
$1,000$850 -
$680$578 -
$779$740 -
$599$509 -
$520$406 -
$580$458
相關主題
商品描述
★詳細說明從ES6開始的JavaScript語言新標準
*使用微軟跨平台Visual Studio Code程式碼編輯器
*使用JavaScript版TensorFlow建構客戶端人工智慧的機器學習應用
*完整說明JavaScript基本語法、JavaScript自訂和內建物件。
*使用大量程式範例和圖例來說明HTML網頁的DOM。
*詳細說明CSS選擇器和如何使用JavaScript程式碼存取CSS樣式。
*Google Chrome開發人員工具的使用和JavaScript程式碼偵錯。
*完整說明jQuery語法、包裝者物件、jQuery選擇器、DOM/事件處理、動畫/特效和表單處理。
*詳細說明從ES6開始的JavaScript語言新標準、JavaScript非同步程式設計、JSON資料處理、Fetch API和AJAX。
*完整說明TensorFlow.js的張量、張量運算和視覺化圖表的繪製。
*實際使用JavaScript+TensorFlow.js的Keras API建構神經網路的深度學習。
*對於Python+Keras已經訓練好的模型,可以轉換成TensorFlow.js格式後,在客戶端建構人工智慧的機器學習應用。
*使用TensorFlow.js預訓練模型建立Web介面的圖片識別和分類,搭配網路攝影機WebCam建構即時物件偵測、人臉辨識和姿勢偵測等人工智慧應用。
作者簡介
現職:專職資訊圖書作者、大專資訊課程老師
經歷:企業講師、松崗電腦產品經理、美商PH出版經理、專業電腦書作者、資訊技術作家,出版超過100本電腦著作,包括:程式設計(C/C++、Java、C#、VB、Python、JavaScript等)、網頁設計(HTML5、PHP、ASP.NET、JSP等)、資料庫、系統分析、資料結構等各種不同主題。
近年研究人工智慧、機器學習/深度學習、資料科學、網路爬蟲、大數據分析和物聯網相關課程與圖書寫作,也熱衷利用 Raspberry Pi、Arduino 、ESP8266/ESP32和Micro:bit等開發板製作創客作品,投入創客領域的教學與寫作。
fChart 程式設計教學工具的官方網址如下:https://fchart.github.io/
目錄大綱
第一篇.JavaScript程式設計
第1章: HTML與JavaScript的基礎
第2章: JavaScript變數與運算子
第3章: JavaScript流程控制
第4章: JavaScript函數與物件
第5章: JavaScript內建物件
第二篇.DOM物件模型與CSS
第6章: DOM物件模型
第7章: CSS層級式樣式表
第三篇.JavaScript函式庫-jQuery
第8章: jQuery基礎與Chrome開發人員工具
第9章: jQuery選擇器與CSS和DOM
第10章: jQuery事件處理
第11章: jQuery動畫、特效與表單處理
第四篇.從ES6開始的JavaScript語言新標準
第12章: JavaScript ES規格的新標準
第13章: 非同步程式設計、Fetch API與AJAX
第五篇.TensorFlow.js人工智慧應用
第14章: TensorFlow.js與機器學習基礎 – 認識機器學習、tensor操作和視覺化
第15章: 機器學習的迴歸、分類與CNN圖片識別
第16章: 人工智慧應用:TensorFlow.js預訓練模型
附錄A:HTML5繪圖標籤與Canvas API(電子書)
附錄B:JavaScript、jQuery與TensorFlow.js的網路資源(電子書)