展开全部

主编推荐语

Keras之父、谷歌人工智能研究员弗朗索瓦·肖莱执笔,深度学习领域力作。

内容简介

本书详尽介绍了用Python和Keras进行深度学习的探索实践,包括计算机视觉、自然语言处理、产生式模型等应用。

书中包含30多个代码示例,步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化,你无须具备机器学习相关背景知识即可展开阅读。

在学习完本书后,你将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。

目录

  • 版权信息
  • 前言
  • 致谢
  • 关于本书
  • 谁应该阅读这本书
  • 学习路线图
  • 软件 / 硬件需求
  • 源代码
  • 本书论坛
  • 电子书
  • 关于封面
  • 第一部分 深度学习基础
  • 第1章 什么是深度学习
  • 1.1 人工智能、机器学习与深度学习
  • 1.2 深度学习之前:机器学习简史
  • 1.3 为什么是深度学习,为什么是现在
  • 第2章 神经网络的数学基础
  • 2.1 初识神经网络
  • 2.2 神经网络的数据表示
  • 2.3 神经网络的“齿轮”:张量运算
  • 2.4 神经网络的“引擎”:基于梯度的优化
  • 2.5 回顾第一个例子
  • 本章小结
  • 第3章 神经网络入门
  • 3.1 神经网络剖析
  • 3.2 Keras 简介
  • 3.3 建立深度学习工作站
  • 3.4 电影评论分类:二分类问题
  • 3.5 新闻分类:多分类问题
  • 3.6 预测房价:回归问题
  • 本章小结
  • 第4章 机器学习基础
  • 4.1 机器学习的四个分支
  • 4.2 评估机器学习模型
  • 4.3 数据预处理、特征工程和特征学习
  • 4.4 过拟合与欠拟合
  • 4.5 机器学习的通用工作流程
  • 本章小结
  • 第二部分 深度学习实践
  • 第5章 深度学习用于计算机视觉
  • 5.1 卷积神经网络简介
  • 5.2 在小型数据集上从头开始训练一个卷积神经网络
  • 5.3 使用预训练的卷积神经网络
  • 5.4 卷积神经网络的可视化
  • 本章小结
  • 第6章 深度学习用于文本和序列
  • 6.1 处理文本数据
  • 6.2 理解循环神经网络
  • 6.3 循环神经网络的高级用法
  • 6.4 用卷积神经网络处理序列
  • 本章总结
  • 第7章 高级的深度学习最佳实践
  • 7.1 不用 Sequential 模型的解决方案:Keras 函数式 API
  • 7.2 使用 Keras 回调函数和 TensorBoard 来检查并监控深度学习模型
  • 7.3 让模型性能发挥到极致
  • 本章总结
  • 第8章 生成式深度学习
  • 8.1 使用 LSTM 生成文本
  • 8.2 DeepDream
  • 8.3 神经风格迁移
  • 8.4 用变分自编码器生成图像
  • 8.5 生成式对抗网络简介
  • 本章总结
  • 第9章 总结
  • 9.1 重点内容回顾
  • 9.2 深度学习的局限性
  • 9.3 深度学习的未来
  • 9.4 了解一个快速发展领域的最新进展
  • 9.5 结束语
  • 附录A 在 Ubuntu 上安装 Keras 及其依赖
  • A.1 安装 Python 科学套件
  • A.2 设置 GPU 支持
  • A.3 安装 Theano(可选)
  • A.4 安装 Keras
  • 附录B 在 EC2 GPU 实例上运行 Jupyter 笔记本
  • B.1 什么是 Jupyter 笔记本,为什么要在 AWS GPU 上运行 Jupyter 笔记本
  • B.2 为什么你不想在 AWS 上使用 Jupyter 进行深度学习
  • B.3 设置 AWS GPU 实例
  • B.4 安装 Keras
  • B.5 设置本地端口转发
  • B.6 在本地浏览器中使用 Jupyter
  • 看完了
展开全部

评分及书评

5.0
10个评分
  • 用户头像
    给这本书评了
    5.0
    非常推薦想了解深度學習的人來閱讀這本書

    這本書是針對AI中的一個領域也是最熱門的領域-深度學習所寫的,本身已經學習深度學習一段時間了,雖然並非新手,再閱讀一次還是能從書中學到新知識,書中沒有太多的數學公式,取而代之的是利用程式碼和類比來說明深度學習的相關概念,淺顯易懂,很好上手,相關的概念也附有程式碼和說明,可以自行在 Python 上運行一次,更深入的理解。深度學習帶起的 AI 熱潮已經有一段時間了,前幾年似乎又開始冷卻下來,大眾將目光轉而放到元宇宙、電動車、可再生能源、醫藥公司上,但是隨著大型語言模型的出現,AI技術又重新火熱起來,各家公司都想搶奪這塊大餅,目前主流陣營有 OpenAI + 微軟和 GoogleDeepMind 兩個陣營(最近臉書開始跟微軟合作了),馬老闆創立的 XAI +特斯拉有望成為第三股新勢力,也就是說,未來世界對於 AI 人才的需求,只會增不會減,進一步說,未來即使不做AI也要能和AI協作。

      转发
      2
      用户头像
      给这本书评了
      5.0

      本书是为那些想要从零开始探索深度学习的人或想要拓展对深度学习的理解的人而写的。无论是在职的机器学习工程师、软件开发者还是大学生,都会在本书中找到有价值的内容。本书是对深度学习的实践探索,避免使用数学符号,尽量用代码片段来解释定量概念,帮你建立关于机器学习和深度学习核心思想的直觉。

        转发
        评论

      出版方

      人民邮电出版社·图灵出品

      图灵社区成立于2005年6月,由人民邮电出版社投资控股,以策划出版高质量的科技书籍为核心业务,主要出版领域包括计算机、电子电气、数学统计、科普等,通过引进国际高水平的教材、专著,以及发掘国内优秀原创作品等途径,为目标读者提供一流的内容。