机器学习与深度学习应用开发技术实战电子书

内容简介

1.1 机器学习概述

1.1.1 机器学习的定义与核心思想

1.1.2 机器学习的分类

1.1.3 机器学习中的常用算法

1.2 深度学习概述

1.2.1 深度学习的定义与基础

1.2.2 深度学习的基本原理

1.2.3 深度学习与传统机器学习的区别

1.2.4 深度学习的网络结构

1.2.5 深度学习的优化与训练技巧

1.3 机器学习与深度学习发展历程

1.3.1 机器学习的发展历程

1.3.2 深度学习的发展历程

1.4 机器学习与深度学习应用领域

1.4.1 计算机视觉

1.4.2 自然语言处理

1.4.3 语音识别与生成

1.4.4 医疗健康

1.4.5 自动驾驶与智能交通

1.5 小结

2.1 深度学习入门算法实例（MNIST手写数字识别）

2.1.1 原理分析与开发设计

2.1.2 开发步骤与验证

2.1.3 小结

2.2 深度学习算法应用实例（实时视频换脸）

2.2.1 原理分析与开发设计

2.2.2 开发步骤与验证

2.2.3 小结

3.1 线性回归算法应用开发（房价预测）

3.1.1 原理分析与开发设计

3.1.2 开发步骤与验证

3.1.3 小结

3.2 逻辑回归算法应用开发（鸢尾花分类）

3.2.1 原理分析与开发设计

3.2.2 开发步骤与验证

3.2.3 小结

3.3 朴素贝叶斯算法应用开发（垃圾邮件分类）

3.3.1 原理分析与开发设计

3.3.2 开发步骤与验证

3.3.3 小结

3.4 KNN算法应用开发（语音性别识别）

3.4.1 原理分析与开发设计

3.4.2 开发步骤与验证

3.4.3 小结

3.5 支持向量机算法应用开发（手写数字识别）

3.5.1 原理分析与开发设计

3.5.2 开发步骤与验证

3.5.3 小结

3.6 K-means算法应用开发（客户行为分析）

3.6.1 原理分析与开发设计

3.6.2 开发步骤与验证

3.6.3 小结

4.1 TensorFlow应用开发

4.1.1 原理分析与开发设计

4.1.2 开发步骤与验证

4.1.3 小结

4.2 PyTorch应用开发

4.2.1 原理分析与开发设计

4.2.2 开发步骤与验证

4.2.3 小结

4.3 PaddlePaddle框架应用开发

4.3.1 原理分析与开发设计

4.3.2 开发步骤与验证

4.3.3 小结

5.1 多层感知机算法应用开发（非线性数据的分类）

5.1.1 原理分析与开发设计

5.1.2 开发步骤与验证

5.1.3 小结

5.2 卷积神经网络算法应用开发（图像分类）

5.2.1 原理分析与开发设计

5.2.2 开发步骤与验证

5.2.3 小结

5.3 深度信念网络算法应用开发（手写数字分类识别）

5.3.1 原理分析与开发设计

5.3.2 开发步骤与验证

5.3.3 小结

5.4 循环神经网络算法应用开发（航班乘客数量预测）

5.4.1 原理分析与开发设计

5.4.2 开发步骤与验证

5.4.3 小结

5.5 生成对抗网络算法应用开发（手写数字图像生成）

5.5.1 原理分析与开发设计

5.5.2 开发步骤与验证

5.5.3 小结

5.6 自编码器算法应用开发（手写数字图像编解码）

5.6.1 原理分析与开发设计

5.6.2 开发步骤与验证

5.6.3 小结

5.7 注意力机制算法应用开发（中英文机器翻译）

5.7.1 原理分析与开发设计

5.7.2 开发步骤与验证

5.7.3 小结

5.8 深度强化学习算法应用开发（Flappy Bird游戏自动控制）

5.8.1 原理分析与开发设计

5.8.2 开发步骤与验证

5.8.3 小结

6.1 交通标志数据采集和标注

6.1.1 原理分析与开发设计

6.1.2 开发步骤与验证

6.1.3 小结

6.2 交通标志深度学习识别案例开发

6.2.1 原理分析与开发设计

6.2.2 开发步骤与验证

6.2.3 小结