万本电子书0元读

万本电子书0元读

顶部广告

深度学习从入门到精通电子书

1.基于当前最流行的深度学习框架之一——Keras,改善教材领域Keras框架知识匮乏的现状 2.统计之都爆款畅销书专家倾力造 3.提供丰富的配套资源及衍生服务 4.微课视频详细讲解重难 5.理论联系实际,提供大量实践案例与应用

售       价:¥

纸质售价:¥37.40购买纸书

31人正在读 | 0人评论 6.8

作       者:谢佳标 主编

出  版  社:人民邮电出版社有限公司

出版时间:2023-09-01

字       数:21.8万

所属分类: 科技 > 自然科学 > 数学

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(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书基于当前流行的深度学习框架之一——Keras,从新手的角度出发,详细讲解Keras的原理,力求帮助读者实现Keras从门到精通。全书共9章,主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化,以及深度学习实验项目。本书内容由浅深、语言通俗易懂,从基本原理到案例应用、从基础算法到对复杂模型的剖析,让读者在循序渐的学习中理解Keras。 本书可作为高等院校计算机、通信、大数据等专业相关课程的教材,也可作为人工智能、图像处理、计算机等方向的科研人员和深度学习技术爱好者的参考书。<br/>【推荐语】<br/>1.基于当前最流行的深度学习框架之一——Keras,改善教材领域Keras框架知识匮乏的现状 2.统计之都爆款畅销书专家倾力造 3.提供丰富的配套资源及衍生服务 4.微课视频详细讲解重难 5.理论联系实际,提供大量实践案例与应用<br/>【作者】<br/>谢佳标 曾就职于平安人寿担任资深数据挖掘专家,目前供职于世界百强企业,负责数据中台、数据化运营、金融科技、创新规划等项目及前沿研究。有13年的数据挖掘与分享相关工作的经验;曾经从事过电商、电、电力、游戏、金融和物流等行业,熟悉不同行业的数据特。R语言资深玩家,熟悉Python及深度学习Keras框架,有丰富的大数据挖掘和可视化实战经验。2017-2021年被评为微软数据科学和AI方向最具价值专家(微软MVP)。 书籍著作:《R语言与数据挖掘》、《数据实践之美:31位大数据专家的方法、技术与思想》《R语言游戏数据分析与挖掘》、《Keras深度学习:门、实战与阶》、《R语言数据分析与挖掘(微课)》<br/>
目录展开

前言

第1章 初识深度学习

1.1 深度学习基础理论

1.2 主流深度学习框架介绍

1.3 深度学习开发环境搭建

1.4 构建深度学习模型

【本章知识结构图】

【课后习题】

第2章 深度学习的数据预处理技术

2.1 数据预处理技术

2.2 利用OpenCV进行图像预处理

2.3 利用TensorFlow进行图像预处理

2.4 利用jieba进行文本预处理

2.5 利用Keras进行文本预处理

2.6 案例实训:对业务员工作日报进行文本处理

【本章知识结构图】

【课后习题】

第3章 使用Keras开发深度学习模型

3.1 Keras模型生命周期

3.2 Keras模型类型

3.3 模型可视化

3.4 回调函数

3.5 模型保存及加载

3.6 案例实训:使用Keras预测泰坦尼克号上的旅客是否生存

【本章知识结构图】

【课后习题】

第4章 卷积神经网络及图像分类

4.1 卷积神经网络原理及实现

4.2 迁移学习

4.3 深度强化学习

4.4 案例实训:对CIFAR-10数据集进行图像识别

【本章知识结构图】

【课后习题】

第5章 循环神经网络在文本序列中的应用

5.1 循环神经网络

5.2 Seq2Seq模型

5.3 Transformer模型

5.4 案例实训:中文文本分类

【本章知识结构图】

【课后习题】

第6章 自编码器

6.1 简单自编码器

6.2 稀疏自编码器

6.3 堆栈自编码器

6.4 卷积自编码器

6.5 降噪自编码器

6.6 循环自编码器

6.7 案例实训:使用自编码器建立推荐系统

【本章知识结构图】

【课后习题】

第7章 生成式对抗网络

7.1 生成式对抗网络概述

7.2 生成式对抗网络Keras实现

7.3 案例实训:使用GAN和DCGAN生成数字5图像

【本章知识结构图】

【课后习题】

第8章 模型评估及模型优化

8.1 模型评估

8.2 模型优化

8.3 在tf.keras中进行模型优化

8.4 案例实训1:使用Scikit-learn优化CIFAR-10分类模型

8.5 案例实训2:使用KerasTuner优化CIFAR-10分类模型

【本章知识结构图】

【课后习题】

第9章 深度学习实验项目

9.1 TensorFlow Datasets实验

9.2 tf.data定义高效的输入流水线

9.3 在tf.keras中使用Scikit-learn优化模型

9.4 ImageDataGenerator类图像增强

9.5 CNN模型识别手写数字

9.6 CNN模型检测驾驶员睡意

累计评论(0条) 0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