计算机 类型
可以朗读 语音朗读
162千字 字数
2021-01-01 发行日期
展开全部

主编推荐语

快速了解Python开发环境构建、Python基础等内容，领略深度学习领域的全貌。

内容简介

深度学习是人工智能技术和研究领域之一，通过建立阶层人工神经网络在计算机实现人工智能。

本课程理论与实践并重，知识体系完整全面，读者通过本教程的学习可以构建属于自己的深度学习知识体系，了解人工智能的发展趋势和新技术，并可以往自己感兴趣的方向深挖。

本书可作为人工智能初学者的入门书目，也可作为具备一定知识背景的读者的学习参考书籍。

目录

  • 版权信息
  • 内容简介
  • 作者简介
  • 前言
  • 第1章 导论
  • 1.1 本书学习路线
  • 1.2 人工智能与深度学习
  • 1.3 深度学习的算法流程
  • 1.3.1 特征工程
  • 1.3.2 模型评估
  • 1.4 总结
  • 第2章 Python开发环境搭建
  • 2.1 Linux服务器
  • 2.1.1 下载与安装
  • 2.1.2 使用mobaxterm连接远程服务器
  • 2.1.3 在服务器上安装Python开发环境
  • 2.1.4 Jupyter Notebook的使用
  • 2.2 Windows平台
  • 2.2.1 下载Anaconda
  • 2.2.2 安装配置
  • 2.2.3 安装路径配置
  • 2.2.4 系统环境配置
  • 2.2.5 在Windows上使用Jupyter Notebook
  • 2.3 使用Anaconda国内源
  • 2.3.1 更换清华源
  • 2.3.2 更换中科大源
  • 2.3.3 pip设定永久阿里云源
  • 2.4 Python虚拟环境
  • 2.4.1 创建Python虚拟环境
  • 2.4.2 切换虚拟环境
  • 2.4.3 在虚拟环境中安装额外的包
  • 2.4.4 虚拟环境的相关命令
  • 2.5 PyCharm远程连接服务器
  • 2.5.1 下载PyCharm专业版
  • 2.5.2 PyCharm连接虚拟环境
  • 2.5.3 使用screen进行任务管理
  • 2.6 总结
  • 第3章 Python基础
  • 3.1 Python简介
  • 3.2 Python初阶学习
  • 3.2.1 变量赋值
  • 3.2.2 标准数据类型
  • 3.2.3 数据类型转换
  • 3.2.4 算术运算符
  • 3.2.5 格式化
  • 3.3 Python进阶学习
  • 3.3.1 循环
  • 3.3.2 条件语句
  • 3.3.3 文件I/O
  • 3.3.4 异常
  • 3.3.5 导包
  • 3.4 Python高阶学习
  • 3.4.1 面向过程编程
  • 3.4.2 面向对象编程
  • 3.4.3 面向过程与面向对象的区别
  • 3.5 正则表达式
  • 3.5.1 re.match
  • 3.5.2 re.search
  • 3.5.3 re.sub
  • 3.5.4 re.compile函数与findall
  • 3.5.5 正则表达式的重点
  • 3.6 进程与线程
  • 3.6.1 多进程的例子
  • 3.6.2 多线程例子
  • 3.7 总结
  • 第4章 深度学习
  • 4.1 Keras简介
  • 4.1.1 Keras的优点
  • 4.1.2 Keras的缺点
  • 4.1.3 Keras的安装
  • 4.2 全连接神经网络
  • 4.2.1 全连接神经网络简介
  • 4.2.2 全连接神经网络原理
  • 4.2.3 全连接神经网络小结
  • 4.3 卷积神经网络
  • 4.3.1 全连接神经网络的缺点
  • 4.3.2 卷积神经网络原理
  • 4.3.3 卷积神经网络与全连接神经网络的区别
  • 4.3.4 卷积层
  • 4.3.5 局部连接和权值共享
  • 4.3.6 池化层
  • 4.3.7 训练
  • 4.3.8 卷积神经网络的超参数设置
  • 4.3.9 卷积神经网络小结
  • 4.4 超参数
  • 4.4.1 过拟合
  • 4.4.2 优化器
  • 4.4.3 学习率
  • 4.4.4 常见的激励函数
  • 4.4.5 常见的损失函数
  • 4.4.6 其他超参数
  • 4.4.7 超参数设置小结
  • 4.5 自编码器
  • 4.5.1 自编码器的原理
  • 4.5.2 常见的自编码器
  • 4.5.3 自编码器小结
  • 4.6 RNN与RNN的变种结构
  • 4.6.1 RNN与全连接神经网络的区别
  • 4.6.2 RNN的优势
  • 4.6.3 其他RNN结构
  • 4.6.4 LSTM
  • 4.6.5 门控循环单元
  • 4.6.6 RNN与RNN变种结构小结
  • 4.7 代码实践
  • 4.7.1 全连接神经网络回归——房价预测
  • 4.7.2 全连接神经网络与文本分类
  • 4.7.3 卷积神经网络之文本分类
  • 4.7.4 卷积神经网络之图像分类
  • 4.7.5 自编码器
  • 4.7.6 LSTM实例之预测股价趋势
  • 4.8 总结
  • 第5章 生成对抗网络
  • 5.1 生成对抗网络的原理
  • 5.2 生成对抗网络的训练过程
  • 5.3 实验
  • 5.3.1 代码
  • 5.3.2 结果分析
  • 5.4 总结
  • 第6章 遗传算法与神经网络
  • 6.1 遗传演化神经网络
  • 6.1.1 遗传算法原理
  • 6.1.2 遗传算法整体流程
  • 6.1.3 遗传算法遇上神经网络
  • 6.1.4 演化神经网络实验
  • 6.2 遗传拓扑神经网络
  • 6.2.1 遗传拓扑神经网络原理
  • 6.2.2 算法核心
  • 6.2.3 NEAT实验
  • 6.3 总结
  • 第7章 迁移学习与计算机视觉
  • 7.1 计算机视觉
  • 7.1.1 图像分类
  • 7.1.2 目标检测
  • 7.1.3 语义分割
  • 7.1.4 实例分割
  • 7.2 计算机视觉遇上迁移学习
  • 7.2.1 VGG
  • 7.2.2 VGG16与图像分类
  • 7.2.3 VGG16与目标检测
  • 7.2.4 VGG16与语义分割
  • 7.2.5 ResNeXt与实例分割
  • 7.3 迁移学习与计算机视觉实践
  • 7.3.1 实验环境
  • 7.3.2 实验流程
  • 7.3.3 代码
  • 7.3.4 结果分析
  • 7.4 总结
  • 第8章 迁移学习与自然语言处理
  • 8.1 自然语言处理预训练模型
  • 8.1.1 Word2Vec
  • 8.1.2 BERT
  • 8.1.3 RoBERTa
  • 8.1.4 ERNIE
  • 8.1.5 BERT_WWM
  • 8.1.6 NLP预训练模型对比
  • 8.2 自然语言处理四大下游任务
  • 8.2.1 句子对分类任务
  • 8.2.2 单句子分类任务
  • 8.2.3 问答任务
  • 8.2.4 单句子标注任务
  • 8.3 迁移学习与自然语言处理竞赛实践
  • 8.3.1 赛题背景
  • 8.3.2 赛题任务
  • 8.3.3 数据说明
  • 8.3.4 环境搭建
  • 8.3.5 赛题分析
  • 8.3.6 实验代码
  • 8.4 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。