《从机器学习到无人驾驶》以机器学习为出发点，使用简易的代码讲解机器学习的核心算法（深度神经网络和强化学习），在算法学习的基础上使用增量方法开发包含定位、预测、路径规划和业务控制等一系列自动驾驶模块。该书代码实例涉及自动驾驶的普遍业务方法，可使读者理解自动驾驶背后的设计思想和原理，快速入门自动驾驶的算法和开发流程。
《从机器学习到无人驾驶》示例代码丰富，涵盖实际开发中所有的重要知识点，适合无人驾驶从业者、想要学习机器学习和无人驾驶的开发人员阅读，也可用作培训机构和高校相关专业的教学参考书。

宋哲贤，多年互联网和机器学习开发经历，在有名车企从事车辆智能化算法架构研发，对于人工智能应用有较强的实践经验，目前专注于迁移学习的工程化实践。
慕课网不错讲师，热爱分享，开发多门人工智能的入门和进阶课程，擅长实例的类比讲解。
获得车辆智能化国家1项。

篇机器学习基础
章机器学习与无人驾驶
1.1机器学习简介
1.1.1机器学习
1.1.2深度学习
1.1.3强化学习
1.2无人驾驶与机器学习
1.2.1无人驾驶的历史
1.2.2为什么要在无人驾驶中应用机器学习
1.2.3无人驾驶商业化的优势
1.2.4无人驾驶商业化的进展
参考文献
第2章TensorFlow基础
2.1机器学习主流框架简介
2.2TensorFlow开发环境搭建
2.2.1基于Python语言框架的Virtualenv方案
2.2.2基于应用容器化的Docker方案
2.3HelloTensorFlow——一个简单的例子
2.4TensorFlow架构
2.4.1TensorFlow架构概述
2.4.2TensorFlow客户端架构
2.4.3TensorFlow分布式主服务架构
2.4.4TensorFlow工作器服务架构
2.4.5TensorFlow内核架构
2.5TensorFlow核心API
2.5.1TensorFlow低级API
2.5.2TensorFlow**API
2.6扩展：使用tensorflow.js进行机器学习
参考文献
第3章线性回归
3.1什么是线性回归
3.1.1线性回归的概念
3.1.2线性回归的历史
3.1.3线性回归模型
3.2线性回归中的*小二乘法模型
3.3最小二乘法模型实例
3.4线性回归的梯度下降模型
3.5梯度下降模型实例
参考文献
第4章逻辑回归
4.1逻辑回归简介
4.2逻辑回归模型
4.3泛逻辑回归
4.4实例：股价预测
参考文献
第二篇机器学习进阶
第5章神经网络
5.1神经元模型
5.1.1神经网络的灵感来源
5.1.2感知器模型概述
……