无人驾驶
上一节
下一节
- 暂无内容
罗娟 等
目录
-
1 计算与人工智能概述
-
1.1 计算的历史
-
1.2 计算机是如何工作的（上）
-
1.3 计算机是如何工作的（下）
-
1.4 计算思维（上）
-
1.5 计算思维（下）
-
1.6 人工智能（上）
-
1.7 人工智能（下）
-
1.8 物联网泛在感知助力城市安全—未来“智能建筑”发展
-
-
2 计算系统
-
2.1 计算与计算机简述
-
2.2 图灵机模型图灵机
-
2.3 冯·诺依曼体系结构
-
2.4 机器算法、机器指令、机器级程序
-
2.5 冯.诺依曼工作原理、并行计算、嵌入式计算
-
2.6 计算执行
-
2.7 未来计算机
-
2.8 超级计算与芯片设计
-
-
3 Python编程基础
-
3.1 问题求解的计算思维方法
-
3.2 在屏幕上计算输出并绘制篮球坐标点
-
3.3 用函数的方式在屏幕上绘制篮球坐标点
-
3.4 在合理的范围内计算并绘制篮球坐标点
-
3.5 在合理的范围内计算并绘制多个篮球坐标点
-
3.6 在合理的范围内计算并绘制多条篮球轨迹线
-
-
4 Python编程进阶
-
4.1 用列表的方式在屏幕上绘制多条篮球轨迹线
-
4.2 用字典的方式在屏幕上绘制多条篮球轨迹线
-
4.3 用文件的方式在屏幕上绘制多条篮球轨迹线
-
4.4 机器人百分百投篮
-
-
5 算法策略——从穷举到二分
-
5.1 问题提出与数学建模
-
5.2 算法的表达：数据结构与控制结构
-
5.3 穷举法及其效率分析
-
5.4 二分搜索算法
-
5.5 用二分搜索设计新算法
-
5.6 问题拓展：采集4块岩石
-
5.7 八皇后问题
-
-
6 图像与感知
-
6.1 自然语言处理
-
6.2 机器视觉技术
-
6.3 模式识别
-
6.4 计算机中的图像表示及语义感知
-
6.5 图像变换
-
6.6 目标检测算法简介
-
6.7 基于深度学习的目标检测算法
-
6.8 YOLO算法的基本概念及原理
-
6.9 YOLO算法的训练和测试
-
6.10 无人驾驶
-
-
7 人工智能与机器学习
-
7.1 人工智能与机器学习简介
-
7.2 监督学习——决策树
-
7.3 监督学习——k近邻
-
7.4 无监督学习
-
7.5 算法基本概念简介
-
7.6 决策树算法-树的建立
-
7.7 决策树算法-树的剪枝
-
7.8 k近邻算法
-
7.9 k-means 算法
-
7.10 深度学习应用
-
-
8 智能决策：搜索与优化
-
8.1 搜索策略
-
8.2 强化学习——概念
-
8.3 强化学习——案例
-
8.4 群体智能
-
8.5 搜索与优化概述
-
8.6 遗传算法
-
8.7 模拟退火
-
8.8 粒子群优化算法
-
-
9 大数据与机器人
-
9.1 智能机器人
-
9.2 什么是大数据和主流平台
-
9.3 大数据架构及Hadoop生态
-
9.4 MapReduce原理
-
9.5 机器人知识图谱
-
9.6 机器人运动学和动力学
-
9.7 机器人应用展示
-
-
10 互联网数据处理
-
10.1 互联网基础
-
10.2 HTML语言简介
-
10.3 网络爬虫
-
10.4 信息提取
-
10.5 爬虫协议
-
10.6 NLP基础
-
-
11 数据管理与大数据
-
11.1 数据管理的三个阶段
-
11.2 数据库系统的组成
-
11.3 数据库设计
-
11.4 数据库和数据表基本操作
-
11.5 Python操作数据库
-
-
12 数据分析
-
12.1 数据分析定义及应用场景
-
12.2 数据分析步骤
-
12.3 从数据文件到字典
-
12.4 数据处理pandas数据统计
-
12.5 数据可视化
-
12.6 数据挖掘
-
12.7 GDP数据可视化、曲线拟合及预测
-
-
13 阅读
-
13.1 阅读
-
-
14 调查问卷
-
14.1 调查问卷
-
