"本書是自動駕駛方面的專著，自動駕駛需要開發人員了解車輛本身的包括運動、機械等方面的基礎知識，更需要了解不同傳感器的數據微觀特征，想要進入此領域的開發人員往往因為繫統繁雜而不能很快掌握核心開發技術。本書以機器學習為出發點，給想要進入此領域的初級開發人員搭建了一條從機器學習到無人駕駛的基礎學習路徑。本書結合近年來發展迅猛的機器學習算法（深度神經網絡、強化學習）詳細介紹了包含定位、預測、路徑規劃和車輛控制等一繫列自動駕駛模塊。全書通過核心代碼深入淺出地講解機器學習的核心算法，通過實例分析代碼等

●第一篇機器學習基礎
第1章機器學習與無人駕駛
1.1機器學習簡介
1.1.1機器學習
1.1.2深度學習
1.1.3強化學習
1.2無人駕駛與機器學習
1.2.1無人駕駛的歷史
1.2.2為什麼要在無人駕駛中應用機器學習
1.2.3無人駕駛商業化的優勢
1.2.4無人駕駛商業化的進展
參考文獻
第2章TensorFlow基礎
2.1機器學習主流框架簡介
2.2TensorFlow開發環境搭建
2.2.1基於Python語言框架的Virtualenv方案
2.2.2基於應用容器化的Docker方案
2.3HelloTensorFlow——一個簡單的例子
2.4TensorFlow架構
2.4.1TensorFlow架構概述
2.4.2TensorFlow客戶端架構
2.4.3TensorFlow分布式主服務架構
2.4.4TensorFlow工作器服務架構
2.4.5TensorFlow內核架構
2.5TensorFlow核心API
2.5.1TensorFlow低級API
2.5.2TensorFlow**API
2.6擴展：使用tensorflow.js進行機器學習
參考文獻
第3章線性回歸
3.1什麼是線性回歸
3.1.1線性回歸的概念
3.1.2線性回歸的歷史
3.1.3線性回歸模型
3.2線性回歸中的*小二乘法模型
3.3最小二乘法模型實例
3.4線性回歸的梯度下降模型
3.5梯度下降模型實例
參考文獻
第4章邏輯回歸
4.1邏輯回歸簡介
4.2邏輯回歸模型
4.3泛邏輯回歸
4.4實例：股價預測
參考文獻
第二篇機器學習進階
第5章神經網絡
5.模型
5.1.1神經網絡的靈感來源
5.1.2感知器模型概述
……

《從機器學習到無人駕駛》以機器學習為出發點，使用簡易的代碼講解機器學習的核心算法（深度神經網絡和強化學習），在算法學習的基礎上使用增量方法開發包含定位、預測、路徑規劃和業務控制等一繫列自動駕駛模塊。該書代碼實例涉及自動駕駛的普遍業務方法，可使讀者理解自動駕駛背後的設計思想和原理，快速入門自動駕駛的算法和開發流程。
《從機器學習到無人駕駛》示例代碼豐富，涵蓋實際開發中所有的重要知識點，適合無人駕駛從業者、想要學習機器學習和無人駕駛的開發人員閱讀，也可用作培訓機構和高校相關專業的教學參考書。

宋哲賢 著