万本电子书0元读

万本电子书0元读

顶部广告

深度学习算法实践电子书

《深度学习算法实践》以一位软件工程师在工作遇到的问题为主线,阐述了如何从软件工程的思维向算法思维转变,以及深度学习算法的概念与实践:比如在哪些场景下需要运用深度学习算法、如何将深度学习算法应用到任务中、提高工作效率?不仅如此,作者还结合程序员在工作中经常面临的产品需求,详细阐述了应该怎样从算法的角度来看待、分解需求,并结合经典的任务对深度学习算法做了清晰的分析:如何用RNN和CNN结合来提取深度文本特征?如何始写一个Chatbot?如何在Chatbot中应用深度学习?强化学习为什么这么强大,它是*的吗?强化学习可以用在什么地方?对于图形领域的深度网络来说,是否有通用的提高模型精度的方法?如何利用深度学习来预测股票的趋势?YouTube是如何推荐影片的,我们如何将YouTube的深度学习经验应用在推荐系统中……这些经典的应用案例,能让有志于学习深度学习的读者,快速地理解核心所在,并顺利地上手实践。

售       价:¥

纸质售价:¥58.90购买纸书

24人正在读 | 1人评论 6.2

作       者:吴岸城

出  版  社:电子工业出版社

出版时间:2017-07-01

字       数:10.4万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
本书以一位软件工程师的转型故事为线索,讲述算法思维的建立及实践。第1章主要讲解如何从传统的工程思维转算法思维,第2-5章分别阐述文本处理、视觉识别、Bot机器人、强化学习方向的算法实践,第6章案例阐述预测与推荐的应用。<br/>【推荐语】<br/>《深度学习算法实践》以一位软件工程师在工作遇到的问题为主线,阐述了如何从软件工程的思维向算法思维转变,以及深度学习算法的概念与实践:比如在哪些场景下需要运用深度学习算法、如何将深度学习算法应用到任务中、提高工作效率?不仅如此,作者还结合程序员在工作中经常面临的产品需求,详细阐述了应该怎样从算法的角度来看待、分解需求,并结合经典的任务对深度学习算法做了清晰的分析:如何用RNN和CNN结合来提取深度文本特征?如何始写一个Chatbot?如何在Chatbot中应用深度学习?强化学习为什么这么强大,它是*的吗?强化学习可以用在什么地方?对于图形领域的深度网络来说,是否有通用的提高模型精度的方法?如何利用深度学习来预测股票的趋势?YouTube是如何推荐影片的,我们如何将YouTube的深度学习经验应用在推荐系统中……这些经典的应用案例,能让有志于学习深度学习的读者,快速地理解核心所在,并顺利地上手实践。<br/>【作者】<br/>吴岸城 致力于深度学习在文本、图像领域的应用。曾中兴通讯、亚信联创担任研发经理、技术经理等职务,现任菱歌科技首席算法科学家一职。<br/>
目录展开

书名页

内容简介

版权页

前言

目录

1 开始

1.1 从传统的软件工程思维转型

1.2 建立算法思维

1.2.1 算法的开发流程

1.2.2 做算法的步骤

1.2.3 英特的总结

1.3 观察!观察!观察!重要的事情说三遍

2 文本分析实战

2.1 第一个文本问题

2.1.1 邮件标题的预处理

2.1.2 选用算法

2.1.3 用CNN做文本分类

2.2 情感分类

2.2.1 先分析需求

2.2.2 词法分析

2.2.3 机器学习

2.2.4 试试LSTM模型

2.3 文本深度特征提取

2.3.1 词特征表示

2.3.2 句子特征表示

2.3.3 深度语义模型

3 做一个对话机器人

3.1 理解人类提问

3.2 答案的抽取和选择

3.3 蕴含关系

3.4 生成式对话模型(Generative Model)

3.5 判断机器人说话的准确性

3.6 智能对话的总结和思考

4 视觉识别

4.1 从人脸识别开始

4.1.1 OpenCV能做什么

4.1.2 检测精度的进化:Dlib

4.1.3 表情识别:Openface

4.2 深度卷积网络

4.2.1 CNN 的演化过程1

4.2.2 深度卷积和更深的卷积

4.2.3 实现更深的卷积网络

4.2.4 残差网络的实现

4.2.5 十全大补药:通用的提高精度的方法

4.2.6 图像训练需要注意的地方

4.3 目标检测

4.3.1 用SSD来实现目标检测应用

4.3.2 SSD 训练源码提示

4.4 视觉领域的应用

4.4.1 艺术风格画

4.4.2 看图说话:用文字描述一幅图像(BiRNN+CNN)

4.4.3 CNN 的有趣应用:语音识别

5 强化学习实践

5.1 吃豆子和强化学习

5.2 马尔科夫决策过程

5.3 理解Q网络

5.4 模拟物理世界:OpenAI

5.5 实现一个DQN

5.5.1 DQN代码实现1

5.5.2 DQN 过程的图表化

5.6 关于强化学习的思考

5.6.1 强化学习的特殊性

5.6.2 知识的形成要素:记忆

5.6.3 终极理想:终身学习

6 预测与推荐

6.1 从Google的感冒预测说起

6.2 股票预测(一)

6.2.1 股票业务整理

6.2.2 数据获取和准备

6.2.3 模型搭建

6.2.4 优化

6.2.5 后续

6.3 股票预测(二)

6.4 深度学习在推荐领域的应用:Lookalike算法

6.4.1 调研

6.4.2 实现

6.4.3 结果

6.4.4 总结探讨

参考文献

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部