互联网 类型
可以朗读 语音朗读
241千字 字数
2022-07-01 发行日期
展开全部

主编推荐语

本书以统计学为出发点，介绍深度学习必备数理基础。

内容简介

全书共有15章，分为5部分。

第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，加深读者印象。

第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络。

第三篇介绍CNN算法、影像应用、转移学习等。

第四篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等。

第五篇介绍了强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。

目录

  • 版权信息
  • 内容简介
  • 作者简介
  • 前言
  • 第一篇 深度学习导论
  • 第1章 深度学习导论
  • 1-1 人工智能的三波浪潮
  • 1-2 AI的学习地图
  • 1-3 机器学习应用领域
  • 1-4 机器学习开发流程
  • 1-5 开发环境安装
  • 第2章 神经网络原理
  • 2-1 必备的数学与统计知识
  • 2-2 线性代数
  • 2-3 微积分
  • 2-4 概率与统计
  • 2-5 线性规划
  • 2-6 普通最小二乘法与最大似然估计法
  • 2-7 神经网络求解
  • 第二篇 TensorFlow基础篇
  • 第3章 TensorFlow架构与主要功能
  • 3-1 常用的深度学习框架
  • 3-2 TensorFlow架构
  • 3-3 张量运算
  • 3-4 自动微分
  • 3-5 神经网络层
  • 第4章 神经网络实践
  • 4-1 撰写第一个神经网络程序
  • 4-2 Keras模型种类
  • 4-3 神经层
  • 4-4 激活函数
  • 4-5 损失函数
  • 4-6 优化器
  • 4-7 效果衡量指标
  • 4-8 超参数调校
  • 第5章 TensorFlow其他常用指令
  • 5-1 特征转换
  • 5-2 模型存盘与加载
  • 5-3 模型汇总与结构图
  • 5-4 回调函数
  • 5-5 TensorBoard
  • 5-6 模型部署与TensorFlow Serving
  • 5-7 TensorFlow Dataset
  • 第6章 卷积神经网络
  • 6-1 卷积神经网络简介
  • 6-2 卷积
  • 6-3 各式卷积
  • 6-4 池化层
  • 6-5 CNN模型实践
  • 6-6 影像数据增补
  • 6-7 可解释的AI
  • 第7章 预先训练的模型
  • 7-1 预先训练的模型简介
  • 7-2 采用完整的模型
  • 7-3 采用部分模型
  • 7-4 转移学习
  • 7-5 Batch Normalization说明
  • 第三篇 进阶的影像应用
  • 第8章 目标检测
  • 8-1 图像辨识模型的发展
  • 8-2 滑动窗口
  • 8-3 方向梯度直方图
  • 8-4 R-CNN目标检测
  • 8-5 R-CNN改良
  • 8-6 YOLO算法简介
  • 8-7 YOLO环境配置
  • 8-8 以TensorFlow实践YOLO模型
  • 8-9 YOLO模型训练
  • 8-10 SSD算法
  • 8-11 TensorFlow Object Detection API
  • 8-12 目标检测的效果衡量指标
  • 8-13 总结
  • 第9章 进阶的影像应用
  • 9-1 语义分割介绍
  • 9-2 自动编码器
  • 9-3 语义分割实践
  • 9-4 实例分割
  • 9-5 风格转换——人人都可以是毕加索
  • 9-6 脸部辨识
  • 9-7 光学文字辨识
  • 9-8 车牌辨识
  • 9-9 卷积神经网络的缺点
  • 第10章 生成对抗网络
  • 10-1 生成对抗网络介绍
  • 10-2 生成对抗网络种类
  • 10-3 DCGAN
  • 10-4 Progressive GAN
  • 10-5 Conditional GAN
  • 10-6 Pix2Pix
  • 10-7 CycleGAN
  • 10-8 GAN挑战
  • 10-9 深度伪造
  • 第四篇 自然语言处理
  • 第11章 自然语言处理的介绍
  • 11-1 词袋与TF-IDF
  • 11-2 词汇前置处理
  • 11-3 词向量
  • 11-4 GloVe模型
  • 11-5 中文处理
  • 11-6 spaCy库
  • 第12章 自然语言处理的算法
  • 12-1 循环神经网络
  • 12-2 长短期记忆网络
  • 12-3 LSTM重要参数与多层LSTM
  • 12-4 Gate Recurrent Unit
  • 12-5 股价预测
  • 12-6 注意力机制
  • 12-7 Transformer架构
  • 12-8 BERT
  • 12-9 Transformers库
  • 12-10 总结
  • 第13章 聊天机器人
  • 13-1 ChatBot类别
  • 13-2 ChatBot设计
  • 13-3 ChatBot实践
  • 13-4 ChatBot工具框架
  • 13-5 Dialogflow实践
  • 13-6 总结
  • 第14章 语音识别
  • 14-1 语音基本认识
  • 14-2 语音前置处理
  • 14-3 语音相关的深度学习应用
  • 14-4 自动语音识别
  • 14-5 自动语音识别实践
  • 14-6 总结
  • 第五篇 强化学习
  • 第15章 强化学习
  • 15-1 强化学习的基础
  • 15-2 强化学习模型
  • 15-3 简单的强化学习架构
  • 15-4 Gym库
  • 15-5 Gym扩充功能
  • 15-6 动态规划
  • 15-7 值循环
  • 15-8 蒙特卡洛
  • 15-9 时序差分
  • 15-10 其他算法
  • 15-11 井字游戏
  • 15-12 木棒小车
  • 15-13 总结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。