1.本书介绍神经网络和深度学习的基本概念的同时还讲解了基于Python实现神经网络时用到的函数库。 2.本书包含神经网络在不同领域中实际应用的案例，包括费用预估、图像分类、语义分析等。对于每个案例，本书提供了完整的问题描述以及解决该问题所需要的神经网络架构。不仅如此，本书还介绍了选择特定算法的原因以及一步步实现该解决方案的Python代码。 3.在学习本书的过程中，读者将获得基于流行Python函数库（例如Keras）来实现并训练神经网络的实际使用经验。
售 价：¥
纸质售价：¥63.00购买纸书
6.5
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
版 权
版权声明
内容提要
作者简介
审校者简介
前 言
本书的目标读者
本书内容
如何最大限度地利用本书
下载示例代码
下载本书的彩图
资源与支持
配套资源
提交勘误
扫码关注本书
与我们联系
关于异步社区和异步图书
第1章 机器学习和神经网络导论
1.1 什么是机器学习
1.2 在你的计算机上配置机器学习环境
1.3 神经网络
1.4 pandas——强大的Python数据分析工具
1.5 TensorFlow和Keras——开源深度学习库
1.6 其他Python函数库
1.7 小结
第2章 基于多层感知器预测糖尿病
2.1 技术需求
2.2 糖尿病——理解问题
2.3 医疗中的人工智能
2.4 糖尿病数据集
2.5 探索性数据分析
2.6 数据预处理
2.7 MLP
2.8 使用Keras构建模型
2.9 结果分析
2.10 小结
2.11 问题
第3章 基于深度前馈网络预测出租车费用
3.1 技术需求
3.2 预测纽约市出租车打车费用
3.3 纽约市出租车打车费用数据集
3.4 探索性数据分析
3.5 数据预处理
3.6 特征工程
3.7 特征缩放
3.8 深度前馈网络
3.9 使用Keras构建模型
3.10 结果分析
3.11 综合应用
3.12 小结
3.13 习题
第4章 是猫还是狗——使用卷积神经网络进行图像分类
4.1 技术需求
4.2 计算机视觉和目标识别
4.3 目标识别的问题类型
4.4 数字图像作为神经网络输入
4.5 卷积神经网络的基础结构
4.6 卷积神经网络基本结构
4.7 现代卷积神经网络回顾
4.8 猫狗数据集
4.9 在Keras中处理图像数据
4.10 图像增强
4.11 建模
4.12 结果分析
4.13 小结
4.14 习题
第5章 使用自动编码器进行图像降噪
5.1 技术需求
5.2 自动编码器的概念
5.3 隐式表示
5.4 用于数据压缩的自动编码器
5.5 MNIST手写数字数据集
5.6 构建简单的自动编码器
5.7 用于降噪的自动编码器
5.8 基于自动编码器的文件去噪
5.9 小结
5.10 习题
第6章 使用长短期记忆网络进行情感分析
6.1 技术需求
6.2 机器学习中的顺序问题
6.3 自然语言处理和情感分析
6.4 RNN
6.5 LSTM网络
6.6 IMDb影评数据集
6.7 用向量表示词语
6.8 模型结构
6.9 在Keras中创建模型
6.10 结果分析
6.11 代码整合
6.12 小结
6.13 习题
第7章 基于神经网络实现人脸识别系统
7.1 技术需求
7.2 人脸识别系统
7.3 分解人脸识别问题
7.4 人脸识别系统需求
7.5 一次学习
7.6 孪生神经网络
7.7 对比损失函数
7.8 人脸数据集
7.9 在Keras中创建孪生神经网络
7.10 在Keras中训练模型
7.11 结果分析
7.12 重构代码
7.13 创建一个实时人脸识别程序
7.14 小结
7.15 习题
第8章 未来是什么样的
8.1 项目总结
8.2 神经网络的最新进展
8.3 神经网络的局限性
8.4 人工智能和机器学习的未来
8.5 持续获取机器学习的相关信息
8.6 推荐的机器学习数据集
8.7 总结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
