孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

深度学习导论与应用实践

深度学习导论与应用实践
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: 著 , 著 , 著 , 著
出版社: 清华大学出版社
2019-09
版次: 1
ISBN: 9787302534396
定价: 69.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 272页
分类: 教材教辅考试>教材>大学教材>工程技术
5 张插图图片
104人买过
  • 本书从数学基础与编程基础开始，逐步引导读者领略深度学习的起源与发展，向读者介绍深度学习在计算机视觉、自然语言处理等方面的实际应用，并为读者呈现z前沿的深度学习研究进展，同时深入剖析技术原理，带领读者逐步推导深度学习背后的数学模型，并结合飞桨（PaddlePaddle）深度学习框架实现项目，代码清晰，易于理解。本书深入浅出，将原理解析与国内流行的深度学习框架飞桨实例结合，旨在使读者更全面、更清晰地掌握深度学习的前沿技术。 本书可作为深度学习的入门读物，也可作为信息学科本科生和研究生的教材，还可供信息产业从业者使用。 
    高随祥（中国科学院大学）、文新（中国科学院信息工程研究所）、马艳军（百度）、李轩涯（百度） 目录
    第1章数学基础
    1.1数据表示——标量、向量、矩阵和张量
    1.1.1标量、向量、矩阵和张量
    1.1.2向量的范数
    1.1.3常用的向量
    1.1.4常见的矩阵
    1.1.5矩阵的操作
    1.1.6张量的常用操作
    1.2优化的基础——导数及其应用
    1.2.1导数
    1.2.2泰勒公式
    1.2.3拉格朗日乘数法
    1.3概率模型的基础——概率论
    1.3.1随机变量
    1.3.2概率分布
    1.3.3边缘概率
    1.3.4条件概率
    1.3.5独立性
    1.3.6期望、方差与协方差
    1.3.7常用的概率分布
    1.4习题
    第2章Python入门
    2.1Python简介
    2.2Python基础语法
    2.2.1数据结构类型
    2.2.2运算符
    2.2.3条件语句
    2.2.4循环语句
    2.2.5函数
    2.2.6面向对象与类
    2.2.7脚本
    2.3NumPy
    2.3.1NumPy数组创建与访问
    2.3.2NumPy数组计算
    2.3.3广播
    2.4Matplotlib
    2.4.1Matplotlib的安装
    2.4.2Matplotlib图像的组成部分
    2.4.3Pyplot绘制简单图形
    2.4.4Matplotlib多图像绘制
    2.5实践： 豆瓣高分电影爬取
    2.5.1思路分析
    2.5.2获取页面
    2.5.3解析页面
    2.5.4存储数据
    2.5.5数据展示与分析
    2.6习题
    第3章机器学习基础
    3.1机器学习概述
    3.1.1机器学习定义与基本术语
    3.1.2机器学习的三要素
    3.1.3机器学习方法概述
    3.2数据预处理
    3.2.1数据清洗
    3.2.2数据集拆分
    3.2.3数据集不平衡
    3.3特征工程
    3.3.1特征编码
    3.3.2特征选择与特征降维
    3.3.3特征标准化
    3.4模型评估
    3.5实践： 鸢尾花分类
    3.5.1数据准备
    3.5.2配置模型
    3.5.3模型训练
    3.5.4数据可视化
    3.6习题
    第4章深度学习基础
    4.1深度学习发展历程
    4.2感知机
    4.2.1感知机的起源
    4.2.2感知机的局限性
    4.3前馈神经网络
    4.3.1神经元
    4.3.2网络结构
    4.3.3训练与预测
    4.3.4反向传播算法
    4.4提升神经网络训练的技巧
    4.4.1参数更新方法
    4.4.2数据预处理
    4.4.3参数的初始化
    4.4.4正则化
    4.5深度学习框架
    4.5.1深度学习框架的作用
    4.5.2常见深度学习框架
    4.5.3飞桨概述
    4.6实践： 手写数字识别
    4.6.1数据准备
    4.6.2网络结构定义
    4.6.3网络训练
    4.6.4网络预测
    4.7习题
    第5章卷积神经网络
    5.1概述
    5.2整体结构
    5.3卷积层
    5.3.1全连接层的问题
    5.3.2卷积运算
    5.3.3卷积的导数
    5.3.4卷积层操作
    5.3.5矩阵快速卷积
    5.4池化层
    5.5归一化层
    5.6参数学习
    5.7典型卷积神经网络
    5.7.1LeNet
    5.7.2AlexNet
    5.7.3VGGNet
    5.7.4Inception
    5.7.5ResNet
    5.7.6DenseNet
    5.7.7MobileNet
    5.7.8ShuffleNet
    5.8实践： 猫狗识别
    5.8.1数据准备
    5.8.2网络配置
    5.8.3网络训练
    5.8.4网络预测
    5.9习题
    第6章循环神经网络
    6.1循环神经网络简介
    6.1.1循环神经网络的结构与计算能力
    6.1.2参数学习
    6.1.3循环神经网络变种结构
    6.1.4深度循环神经网络
    6.1.5递归神经网络
    6.2长期依赖和门控RNN
    6.2.1长期依赖的挑战
    6.2.2循环神经网络的长期依赖问题
    6.2.3门控RNN
    6.2.4优化长期依赖
    6.3双向RNN
    6.4序列到序列架构
    6.4.1Seq2Seq
    6.4.2注意力机制
    6.5实践： 电影评论情感分析
    6.5.1数据准备
    6.5.2网络结构定义
    6.5.3网络训练
    6.5.4网络预测
    6.6习题
    第7章深度学习进阶
    7.1深度生成模型
    7.1.1变分自编码器
    7.1.2生成对抗网络
    7.2深度强化学习
    7.2.1强化学习模型
    7.2.2强化学习分类
    7.2.3深度强化学习
    7.2.4深度Q网络
    7.2.5深度强化学习应用
    7.3迁移学习
    7.3.1迁移学习的定义与分类
    7.3.2迁移学习的基本方法
    7.4实践：  生成对抗网络
    7.4.1数据准备
    7.4.2网络配置
    7.4.3模型训练与预测
    7.5习题
    第8章深度学习应用：  计算机视觉
    8.1目标检测
    8.1.1传统目标检测
    8.1.2基于区域的卷积神经网络目标检测
    8.1.3基于回归的卷积神经网络目标检测
    8.2语义分割
    8.2.1传统语义分割方法
    8.2.2基于卷积神经网络的语义分割
    8.3实践： 目标检测
    8.3.1数据准备
    8.3.2网络配置
    8.3.3模型训练
    8.3.4模型预测
    8.4习题
    第9章深度学习应用：  自然语言处理
    9.1自然语言处理的基本过程
    9.1.1获取语料
    9.1.2语料预处理
    9.1.3特征工程
    9.2自然语言处理应用
    9.2.1文本分类
    9.2.2机器翻译
    9.2.3自动问答
    9.3实践：  机器翻译
    9.3.1数据准备
    9.3.2网络结构定义
    9.3.3网络训练
    9.3.4网络预测
    9.4习题
    参考文献

  • 内容简介:
    本书从数学基础与编程基础开始，逐步引导读者领略深度学习的起源与发展，向读者介绍深度学习在计算机视觉、自然语言处理等方面的实际应用，并为读者呈现z前沿的深度学习研究进展，同时深入剖析技术原理，带领读者逐步推导深度学习背后的数学模型，并结合飞桨（PaddlePaddle）深度学习框架实现项目，代码清晰，易于理解。本书深入浅出，将原理解析与国内流行的深度学习框架飞桨实例结合，旨在使读者更全面、更清晰地掌握深度学习的前沿技术。 本书可作为深度学习的入门读物，也可作为信息学科本科生和研究生的教材，还可供信息产业从业者使用。 
  • 作者简介:
    高随祥（中国科学院大学）、文新（中国科学院信息工程研究所）、马艳军（百度）、李轩涯（百度）
  • 目录:
    目录
    第1章数学基础
    1.1数据表示——标量、向量、矩阵和张量
    1.1.1标量、向量、矩阵和张量
    1.1.2向量的范数
    1.1.3常用的向量
    1.1.4常见的矩阵
    1.1.5矩阵的操作
    1.1.6张量的常用操作
    1.2优化的基础——导数及其应用
    1.2.1导数
    1.2.2泰勒公式
    1.2.3拉格朗日乘数法
    1.3概率模型的基础——概率论
    1.3.1随机变量
    1.3.2概率分布
    1.3.3边缘概率
    1.3.4条件概率
    1.3.5独立性
    1.3.6期望、方差与协方差
    1.3.7常用的概率分布
    1.4习题
    第2章Python入门
    2.1Python简介
    2.2Python基础语法
    2.2.1数据结构类型
    2.2.2运算符
    2.2.3条件语句
    2.2.4循环语句
    2.2.5函数
    2.2.6面向对象与类
    2.2.7脚本
    2.3NumPy
    2.3.1NumPy数组创建与访问
    2.3.2NumPy数组计算
    2.3.3广播
    2.4Matplotlib
    2.4.1Matplotlib的安装
    2.4.2Matplotlib图像的组成部分
    2.4.3Pyplot绘制简单图形
    2.4.4Matplotlib多图像绘制
    2.5实践： 豆瓣高分电影爬取
    2.5.1思路分析
    2.5.2获取页面
    2.5.3解析页面
    2.5.4存储数据
    2.5.5数据展示与分析
    2.6习题
    第3章机器学习基础
    3.1机器学习概述
    3.1.1机器学习定义与基本术语
    3.1.2机器学习的三要素
    3.1.3机器学习方法概述
    3.2数据预处理
    3.2.1数据清洗
    3.2.2数据集拆分
    3.2.3数据集不平衡
    3.3特征工程
    3.3.1特征编码
    3.3.2特征选择与特征降维
    3.3.3特征标准化
    3.4模型评估
    3.5实践： 鸢尾花分类
    3.5.1数据准备
    3.5.2配置模型
    3.5.3模型训练
    3.5.4数据可视化
    3.6习题
    第4章深度学习基础
    4.1深度学习发展历程
    4.2感知机
    4.2.1感知机的起源
    4.2.2感知机的局限性
    4.3前馈神经网络
    4.3.1神经元
    4.3.2网络结构
    4.3.3训练与预测
    4.3.4反向传播算法
    4.4提升神经网络训练的技巧
    4.4.1参数更新方法
    4.4.2数据预处理
    4.4.3参数的初始化
    4.4.4正则化
    4.5深度学习框架
    4.5.1深度学习框架的作用
    4.5.2常见深度学习框架
    4.5.3飞桨概述
    4.6实践： 手写数字识别
    4.6.1数据准备
    4.6.2网络结构定义
    4.6.3网络训练
    4.6.4网络预测
    4.7习题
    第5章卷积神经网络
    5.1概述
    5.2整体结构
    5.3卷积层
    5.3.1全连接层的问题
    5.3.2卷积运算
    5.3.3卷积的导数
    5.3.4卷积层操作
    5.3.5矩阵快速卷积
    5.4池化层
    5.5归一化层
    5.6参数学习
    5.7典型卷积神经网络
    5.7.1LeNet
    5.7.2AlexNet
    5.7.3VGGNet
    5.7.4Inception
    5.7.5ResNet
    5.7.6DenseNet
    5.7.7MobileNet
    5.7.8ShuffleNet
    5.8实践： 猫狗识别
    5.8.1数据准备
    5.8.2网络配置
    5.8.3网络训练
    5.8.4网络预测
    5.9习题
    第6章循环神经网络
    6.1循环神经网络简介
    6.1.1循环神经网络的结构与计算能力
    6.1.2参数学习
    6.1.3循环神经网络变种结构
    6.1.4深度循环神经网络
    6.1.5递归神经网络
    6.2长期依赖和门控RNN
    6.2.1长期依赖的挑战
    6.2.2循环神经网络的长期依赖问题
    6.2.3门控RNN
    6.2.4优化长期依赖
    6.3双向RNN
    6.4序列到序列架构
    6.4.1Seq2Seq
    6.4.2注意力机制
    6.5实践： 电影评论情感分析
    6.5.1数据准备
    6.5.2网络结构定义
    6.5.3网络训练
    6.5.4网络预测
    6.6习题
    第7章深度学习进阶
    7.1深度生成模型
    7.1.1变分自编码器
    7.1.2生成对抗网络
    7.2深度强化学习
    7.2.1强化学习模型
    7.2.2强化学习分类
    7.2.3深度强化学习
    7.2.4深度Q网络
    7.2.5深度强化学习应用
    7.3迁移学习
    7.3.1迁移学习的定义与分类
    7.3.2迁移学习的基本方法
    7.4实践：  生成对抗网络
    7.4.1数据准备
    7.4.2网络配置
    7.4.3模型训练与预测
    7.5习题
    第8章深度学习应用：  计算机视觉
    8.1目标检测
    8.1.1传统目标检测
    8.1.2基于区域的卷积神经网络目标检测
    8.1.3基于回归的卷积神经网络目标检测
    8.2语义分割
    8.2.1传统语义分割方法
    8.2.2基于卷积神经网络的语义分割
    8.3实践： 目标检测
    8.3.1数据准备
    8.3.2网络配置
    8.3.3模型训练
    8.3.4模型预测
    8.4习题
    第9章深度学习应用：  自然语言处理
    9.1自然语言处理的基本过程
    9.1.1获取语料
    9.1.2语料预处理
    9.1.3特征工程
    9.2自然语言处理应用
    9.2.1文本分类
    9.2.2机器翻译
    9.2.3自动问答
    9.3实践：  机器翻译
    9.3.1数据准备
    9.3.2网络结构定义
    9.3.3网络训练
    9.3.4网络预测
    9.4习题
    参考文献

查看详情
相关分类
一年级 二年级 三年级 四年级 五年级 六年级 小升初 小学通用 初一 初二 初三 中考 初中通用 高一
相关图书 / 更多
深度学习导论与应用实践
深度学习的数学——使用Python语言
[美]罗纳德·T.纽塞尔（Ronald T. Kneusel）
￥42.70 起
深度学习导论与应用实践
深度工作(新)：如何有效使用每一点脑力
（美）卡尔·纽波特 后浪
￥24.96 起
深度学习导论与应用实践
深度阅读训练册5年级B版
深度阅读教学研究中心 编
￥17.84 起
深度学习导论与应用实践
深度对话茅奖作家（1-11届）
舒晋瑜
￥34.42 起
深度学习导论与应用实践
深度关系
武志红
￥20.00 起
深度学习导论与应用实践
深度学习的理论基础与核心算法
焦李成，杨淑媛，刘芳，刘旭，田晨曦，侯彪，马文萍，尚荣华
￥57.40 起
深度学习导论与应用实践
深度学习与神经网络
赵金晶 等
￥45.15 起
深度学习导论与应用实践
深度阅读训练册2年级B版
深度阅读教学研究中心 编
￥17.84 起
深度学习导论与应用实践
深度学习模型与算法基础
许庆阳、宋勇、张承进
￥27.70 起
深度学习导论与应用实践
深度学习与波束形成：理论、方法与实践
郭业才
￥23.76 起
深度学习导论与应用实践
深度学习——模型、算法优化与实战
张洪朋
￥35.69 起
深度学习导论与应用实践
深度营销：成就营销领导力的12大原则（麦肯锡年度经管好书，12大原则揭秘营销本质，带好团队就是从领导力到影响力！）
（美） 托马斯·巴塔 （美） 帕特里克·巴韦斯 著 ，美同 译
￥22.59 起
您可能感兴趣 / 更多
深度学习导论与应用实践
传承与创新：新时代科技工作的思考与探索
高随祥；吴静；张艳荣
￥35.00 起
深度学习导论与应用实践
图论与网络流理论
高随祥 著
￥10.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全