科技
类型
7.0
豆瓣评分
可以朗读
语音朗读
59千字
字数
2018-05-01
发行日期
展开全部
主编推荐语
Python人工智能入门教程，帮你快速学会深度神经网络。
内容简介
本书是使用Python 进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，以简单直白的方式介绍深度神经网络的两项任务——分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。
本书共9章，分别介绍了深度学习基础理论、神经网络基础知识、构建定制化深度预测模型、性能提升技术、二元分类的神经网络应用等内容，并借助Python 语言对基本算法和实现模型进行了探索。
本书适合期望用较短时间在深度神经网络领域初试牛刀的读者，也适合深度学习的初学者以及业内人士参考。
目录
- 版权信息
- 内容提要
- 致谢
- 译者序
- 前言
- 资源与支持
- 第1章 如何阅读本书
- 1.1 获取Python
- 1.1.1 学习Python
- 1.1.2 软件包
- 1.2 不需要等待
- 1.3 小结
- 第2章 深度学习入门
- 2.1 为什么要学习深度学习
- 2.1.1 最后一子
- 2.1.2 一件怪事
- 2.1.3 两类人
- 2.2 什么是深度学习
- 2.2.1 成功的蓝图
- 2.2.2 有监督学习和无监督学习
- 2.2.3 深度学习的流程
- 2.3 深度学习能解决什么问题
- 2.4 哪些领域使用深度学习
- 2.4.1 深度学习能揭开永葆青春的秘密吗
- 2.4.2 衰老的挑战
- 2.4.3 众多的理论
- 2.4.4 数据科学家的答案
- 2.5 想使用深度学习——却不知如何开始
- 2.6 小结
- 第3章 神经网络基础
- 3.1 历史备忘录
- 3.2 神经网络的拓扑结构
- 3.3 神经元的作用
- 3.4 理解激活函数
- 3.4.1 数学计算
- 3.4.2 sigmoid函数
- 3.4.3 运算成本
- 3.5 神经网络如何进行学习
- 3.6 解释梯度下降算法
- 3.6.1 误差曲面
- 3.6.2 随机梯度下降
- 3.7 小结
- 第4章 深度神经网络简介
- 4.1 深度神经网络简析
- 4.2 怎样在一分钟内解释深度神经网络
- 4.2.1 如何看待DNN
- 4.2.2 统计学家的视角
- 4.2.3 一个关键的观点
- 4.3 深度神经网络的3种使用方式
- 4.3.1 增强雾天的可视性
- 4.3.2 打击黑客犯罪
- 4.3.3 不可思议的缩略图
- 4.4 如何快速地近似任何函数
- 4.4.1 一个用Python构建深度神经网络的极简方法
- 4.4.2 生成示例
- 4.4.3 检查样本
- 4.4.4 格式化数据
- 4.4.5 拟合模型
- 4.4.6 性能表现评估
- 4.5 有监督学习概述
- 4.5.1 有监督学习的目标
- 4.5.2 无监督学习
- 4.5.3 半监督学习
- 4.6 小结
- 第5章 如何构建可定制的深度预测模型
- 5.1 一个深度神经网络预测的实际应用
- 5.1.1 样本数据和神经网络
- 5.1.2 可靠的性能表现
- 5.2 明确预测目标
- 5.3 获取数据的拷贝
- 5.4 标准化的重要性
- 5.5 使用训练样本和测试样本
- 5.6 创建深度神经网络回归模型的极简方式
- 5.7 学习速率详解
- 5.7.1 选择最佳值
- 5.7.2 如果将模型拟合到数据
- 5.8 评估模型在训练集性能表现的几种方式
- 5.8.1 均方差
- 5.8.2 获取预测和度量性能
- 5.9 小结
- 第6章 提高性能的一些技巧
- 6.1 sigmoid激活函数的局限
- 6.2 选择最佳层数的原则
- 6.3 如何快速改进模型
- 6.4 避免过度拟合
- 6.5 应该包含多少个神经元
- 6.6 评估测试数据集上的性能
- 6.7 冻结网络权重
- 6.8 保存网络以供将来使用
- 6.9 小结
- 第7章 二元分类神经网络的奥秘
- 7.1 感人至深——创造奇迹
- 7.1.1 一项二元分类任务
- 7.1.2 有用的结果
- 7.2 了解分类目标
- 7.3 使用Python从网络下载数据
- 7.4 处理缺失的观测值
- 7.5 保存数据
- 7.6 冲量简单入门
- 7.7 留出法的秘密
- 7.8 如何用Python快速构建一个深度神经网络二元分类器
- 7.8.1 生成训练集和测试集
- 7.8.2 指定模型
- 7.8.3 拟合模型
- 7.8.4 混淆矩阵
- 7.9 小结
- 第8章 构建优秀模型之道
- 8.1 尝试最简单的想法提高成功率
- 8.2 辍学的威力
- 8.3 相似性
- 8.4 共适应
- 8.5 一个教训
- 8.6 双曲正切激活函数的威力以及如何有效地使用
- 8.7 如何从小批量方法中获益
- 8.8 重建模型
- 8.9 关于不平衡样本你应该知道的事
- 8.9.1 核心问题
- 8.9.2 查看测试集上的表现
- 8.10 小结
- 第9章 深度神经网络在多元分类问题的简单应用
- 9.1 分类问题描述
- 9.1.1 查看样本
- 9.1.2 检查目标对象
- 9.2 关于softmax激活函数的说明
- 9.3 使用rmsprop算法构建多项式模型
- 9.3.1 关于rmsprop算法的说明
- 9.3.2 模型性能表现
- 9.4 Adagrad学习算法概述
- 9.5 如何尝试其他学习算法
- 9.5.1 Nesterov的加速梯度下降算法
- 9.5.2 尝试冲量法
- 9.5.3 常规随机梯度下降法
- 9.5.4 在模型中使用Adadelta算法
- 9.5.5 测试集性能表现
- 9.6 小结
- 9.7 结束语
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
