互联网 类型
可以朗读 语音朗读
215千字 字数
2022-01-01 发行日期
展开全部

主编推荐语

本书从机器学习的基本概述开始，指导你建立流行的基于Python语言的深度学习程序框架。

内容简介

本书分为三部分。
第一部分将帮助你快速理解从数据中学习、深度学习基本架构、如何准备数据，以及深度学习中经常使用的基本概念。
第二部分将重点介绍无监督学习算法。从自编码器开始，然后转向层数更深、规模更大的神经网络模型。
第三部分介绍监督学习算法，你将掌握基本和高级深度学习模型的实现方法，并能够将这些模型用于分类、回归以及从潜在空间生成数据等应用场合。

目录

  • 版权信息
  • 译者序
  • 序
  • 前言
  • 作者简介
  • 审校者简介
  • 第一部分 深度学习快速入门
  • 第1章 机器学习概述
  • 1.1 接触ML生态系统
  • 1.2 从数据中训练ML算法
  • 1.3 深度学习概述
  • 1.4 深度学习在现代社会中的重要性
  • 1.5 小结
  • 1.6 习题与答案
  • 1.7 参考文献
  • 第2章 深度学习框架的搭建与概述
  • 2.1 Colaboratory简介
  • 2.2 TensorFlow的简介与安装
  • 2.3 Keras的简介与安装
  • 2.4 PyTorch简介
  • 2.5 Dopamine简介
  • 2.6 其他深度学习程序库
  • 2.7 小结
  • 2.8 习题与答案
  • 2.9 参考文献
  • 第3章 数据准备
  • 3.1 二元数据与二元分类
  • 3.2 分类数据与多个类别
  • 3.3 实值数据与单变量回归
  • 3.4 改变数据的分布
  • 3.5 数据增强
  • 3.6 数据降维
  • 3.7 操纵数据的道德影响
  • 3.8 小结
  • 3.9 习题与答案
  • 3.10 参考文献
  • 第4章 从数据中学习
  • 4.1 学习的目的
  • 4.2 度量成功与错误
  • 4.3 识别过拟合和泛化
  • 4.4 机器学习背后的艺术
  • 4.5 训练深度学习算法的伦理意蕴
  • 4.6 小结
  • 4.7 习题与答案
  • 4.8 参考文献
  • 第5章 训练单个神经元
  • 5.1 感知机模型
  • 5.2 感知机学习算法
  • 5.3 处理线性不可分数据的感知机
  • 5.4 小结
  • 5.5 习题与答案
  • 5.6 参考文献
  • 第6章 训练多层神经元
  • 6.1 MLP模型
  • 6.2 最小化误差
  • 6.3 寻找最佳超参数
  • 6.4 小结
  • 6.5 习题与答案
  • 6.6 参考文献
  • 第二部分 无监督深度学习
  • 第7章 自编码器
  • 7.1 无监督学习简介
  • 7.2 编码层与解码层
  • 7.3 数据降维与可视化应用
  • 7.4 无监督学习的伦理意蕴
  • 7.5 小结
  • 7.6 习题与答案
  • 7.7 参考文献
  • 第8章 深度自编码器
  • 8.1 深度信念网络简介
  • 8.2 建立深度自编码器
  • 8.3 探索深度自编码器的潜在空间
  • 8.4 小结
  • 8.5 习题与答案
  • 8.6 参考文献
  • 第9章 变分自编码器
  • 9.1 深度生成模型简介
  • 9.2 研究变分自编码器模型
  • 9.3 深度和浅层VAE在MNIST上的性能比较
  • 9.4 生成模型的伦理意蕴
  • 9.5 小结
  • 9.6 习题与答案
  • 9.7 参考文献
  • 第10章 受限玻尔兹曼机
  • 10.1 RBM模型简介
  • 10.2 使用RBM学习数据表示
  • 10.3 比较RBM和AE
  • 10.4 小结
  • 10.5 习题与答案
  • 10.6 参考文献
  • 第三部分 监督深度学习
  • 第11章 深度与广度神经网络
  • 11.1 广度神经网络
  • 11.2 密集深度神经网络
  • 11.3 稀疏深度神经网络
  • 11.4 超参数调优
  • 11.5 小结
  • 11.6 习题与答案
  • 11.7 参考文献
  • 第12章 卷积神经网络
  • 12.1 卷积神经网络简介
  • 12.2 多维卷积
  • 12.3 卷积层
  • 12.4 池化策略
  • 12.5 面向CIFAR-10的卷积神经网络
  • 12.6 小结
  • 12.7 习题与答案
  • 12.8 参考文献
  • 第13章 循环神经网络
  • 13.1 循环神经网络简介
  • 13.2 长短时记忆模型
  • 13.3 序列到向量的模型
  • 13.4 向量到序列的模型
  • 13.5 序列到序列的模型
  • 13.6 伦理意蕴
  • 13.7 小结
  • 13.8 习题与答案
  • 13.9 参考文献
  • 第14章 生成对抗网络
  • 14.1 对抗学习简介
  • 14.2 训练GAN模型
  • 14.3 比较GAN和VAE
  • 14.4 GAN的伦理意蕴
  • 14.5 小结
  • 14.6 习题与答案
  • 14.7 参考文献
  • 第15章 深度学习的未来
  • 15.1 寻找深度学习的前沿话题
  • 15.2 从Packt获取更多资源
  • 15.3 小结
  • 15.4 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。