1.涉及人工智能基础、深度学习算法原理、深度学习项目实战。2.在介绍理论内容时配有公式推导和详细的阐述。3.每个算法理论都对应一个案例行巩固。
售 价：¥
纸质售价：¥51.00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
前言
第1章 人工智能基础
1.1 人工智能简介
1.1.1 人工智能的背景
1.1.2 人工智能的历史
1.1.3 人工智能的定义
1.2 人工智能的特征
1.3 人工智能参考框架
1.4 人工智能研究内容
1.4.1 研究领域
1.4.2 人工智能算法及分类
1.5 人工智能研究方向
1.5.1 知识图谱
1.5.2 自然语言处理
1.5.3 人机交互
1.5.4 计算机视觉
1.6 思考与练习
第2章 机器学习与深度学习入门
2.1 机器学习简介
2.1.1 什么是机器学习
2.1.2 机器学习的发展史
2.1.3 机器学习的分类
2.2 机器学习的基础理论
2.2.1 机器学习三要素与核心
2.2.2 机器学习开发流程
2.2.3 15种经典机器学习算法
2.2.4 机器学习常用术语
2.3 深度学习简介
2.3.1 什么是深度学习
2.3.2 深度学习开发框架
2.3.3 TensorFlow框架介绍
2.4 人工智能、机器学习、深度学习的关系
2.5 思考与练习
第3章 线性模型
3.1 线性回归算法
3.1.1 线性回归简介
3.1.2 回归算法的评价指标
3.2 梯度下降法
3.2.1 算法理解
3.2.2 随机梯度下降法理论
3.2.3 案例：波士顿房价预测实战
3.3 过拟合
3.3.1 过拟合产生的原因
3.3.2 常见线性回归正则化方法
3.3.3 案例：波士顿房价预测正则化实战
3.4 逻辑斯谛回归
3.4.1 逻辑斯谛回归算法
3.4.2 案例：求职录用情况回归实战
3.5 SVM
3.5.1 SVM算法概述
3.5.2 案例：面部识别应用实战
3.6 思考与练习
第4章 神经网络基础
4.1 神经网络简介
4.1.1 神经网络理论
4.1.2 发展历史及现状
4.1.3 发展趋向及前沿问题
4.1.4 神经网络的学习方法
4.1.5 神经网络的研究趋势
4.2 感知机
4.2.1 单层感知机
4.2.2 多层感知机
4.3 全连接神经网络
4.3.1 全连接神经网络与多层感知机
4.3.2 全连接神经网络的结构
4.4 BP神经网络
4.4.1 梯度下降法
4.4.2 反向传播算法
4.4.3 案例：基于BP神经网络模型的房价预测实战
4.5 Dropout正则化
4.6 批标准化
4.6.1 批标准化的实现方式
4.6.2 批标准化的使用方式
4.6.3 案例：手写数字识别分类实战
4.7 思考与练习
第5章 卷积神经网络
5.1 卷积神经网络简介
5.1.1 什么是卷积神经网络
5.1.2 卷积神经网络的基本模型
5.1.3 卷积神经网络典型的应用开发流程
5.2 AlexNet模型
5.2.1 AlexNet模型简介
5.2.2 AlexNet的特点
5.2.3 AlexNet的网络结构
5.2.4 案例：基于AlexNet的Cifar10分类实战
5.3 VGGNet模型
5.3.1 VGGNet模型简介
5.3.2 VGG16的网络架构
5.3.3 案例：基于VGG16的Cifar10分类实战
5.4 ResNet模型
5.4.1 ResNet模型简介
5.4.2 残差学习
5.4.3 ResNet的网络结构
5.4.4 案例：基于ResNet的Cifar10分类实战
5.5 DenseNet模型
5.5.1 DenseNet模型简介
5.5.2 DenseNet的结构
5.5.3 案例：基于DenseNet的猫狗图像分类实战
5.6 思考与练习
第6章 循环神经网络
6.1 循环神经网络简介
6.1.1 什么是循环神经网络
6.1.2 循环神经网络的结构
6.1.3 案例：基于循环神经网络的文本情感分析实战
6.2 LSTM模型
6.2.1 LSTM简介
6.2.2 LSTM结构
6.2.3 Bi-LSTM
6.2.4 案例：基于LSTM的文本情感分析实战
6.3 思考与练习
第7章 Transformer模型
7.1 自注意力机制
7.2 自编码器
7.2.1 自编码器简介
7.2.2 最简单的自编码器
7.2.3 案例：基于自编码器的MNIST数据集重建实战
7.3 Transformer机制及应用
7.3.1 Transformer机制
7.3.2 Transformer模型的应用及研究进展
7.3.3 案例：Transformer编码器的简单实现
7.4 思考与练习
第8章 生成对抗网络
8.1 生成对抗网络简介
8.1.1 GAN模型
8.1.2 案例：基于GAN的手写数字识别实战
8.2 DCGAN
8.2.1 DCGAN模型
8.2.2 案例：基于DCGAN的手写数字数据生成
8.3 CGAN
8.3.1 CGAN模型
8.3.2 案例：基于CGAN的手写数字数据生成
8.4 思考与练习
第9章 迁移学习
9.1 迁移学习简介
9.1.1 迁移学习的背景
9.1.2 迁移学习的理论
9.1.3 迁移学习的分类
9.1.4 迁移学习的实现方法
9.1.5 应用、挑战及意义
9.1.6 案例：基于迁移学习的Cifar10分类实战
9.2 迁移学习的应用
9.2.1 迁移学习在深度学习中的应用
9.2.2 迁移学习在强化学习中的应用
9.3 思考与练习
第10章 综合实战——电影评论情感分析
10.1 文本分类综述
10.1.1 背景
10.1.2 文本分类的概念
10.2 项目实现过程
10.2.1 词嵌入向量
10.2.2 IMDb数据集及处理
10.2.3 使用RNN进行情感分析
10.2.4 使用LSTM进行情感分析
10.3 思考与练习
第11章 综合实战——图像分类
11.1 项目需求和数据集
11.1.1 项目需求
11.1.2 数据集
11.2 项目实现过程
11.2.1 导入数据包
11.2.2 处理数据
11.2.3 搭建神经网络
11.2.4 设置优化器、损失函数
11.2.5 存取模型、断点续训
11.2.6 保存参数
11.2.7 可视化
11.2.8 预测测试集
11.2.9 打包程序
11.3 思考与练习
参考文献
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
