R语言深度学习--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

编辑推荐

1.Keras之父、Google人工智能研究员Fran?ois Chollet和RStudio的创始人、首席执行官J.J.Allaire联袂奉献，深度学习经典著作。2.从零开始，浅显易懂，30多个代码示例轻松助力从入门到实战。3.阅读本书只需要具备高中水平的数学知识，不需要机器学习或深度学习的经验。4.多为业内知名专家推荐；提供可免费下载的源代码。

内容简介

近年来机器学习取得了长足的进步。深度学习系统使得一些以往不可能实现的智能应用成为现实，推动了图像识别和自然语言处理的巨大变革，也成功识别出了数据中的复杂模式。Keras深度学习库为使用R语言的数据科学家和开发者提供了处理深度学习任务的工具集。《R语言深度学习》基于强大的Keras库及其R语言接口介绍了深度学习。本书源于Keras之父、Google人工智能研究员Fran.oisChollet基于Python编写的《Python深度学习》一书，由RStudio创始人J.J.Allaire修改为R语言版本，并采用直观的解释和实际的例子帮助读者构建对深度学习的理解。读者可以针对计算机视觉、自然语言处理和生成式模型领域的R语言应用加以实践。本书包含如下内容：深度学习原理入门；深度学习环境设置；图像分类与生成；基于文本和序列的深度学习。阅读本书需要具备R语言编程能力，不需要有机器学习或深度学习的经验。

作者简介

Fran?ois Chollet在Google加州山景城从事深度学习相关的工作。他是Keras深度学习库的创建者，也是TensorFlow机器学习框架的贡献者。他还从事深度学习研究工作，侧重于计算机视觉和形式推理的机器学习应用。他的论文已在该领域的重要会议上发表，包括计算机视觉与模式识别会议（CVPR）、神经信息处理系统（NIPS）会议及分论坛、国际学习表征会议（ICLR）等。J.J.Allaire是RStudio的创始人和RStudio集成开发环境的创建者，也是TensorFlow和Keras的R接口的作者。

原书前言
致谢
关于本书
第一部分深度学习基础
第1章什么是深度学习
1.1 人工智能、机器学习和深度学习
1.1.1 人工智能
1.1.2 机器学习
1.1.3 从数据中学习表述
1.1.4 深度学习的“深”
1.1.5 通过三张图理解深度学习的原理
1.1.6 深度学习目前能做什么
1.1.7 不要相信短期炒作
1.1.8 人工智能的潜力
1.2 在深度学习之前：机器学习简史
1.2.1 概率建模
1.2.2 早期的神经网络
1.2.3 核方法
1.2.4 决策树、随机森林、梯度提升机
1.2.5 回到神经网络
1.2.6 是什么让深度学习与众不同
1.2.7 现代机器学习发展
1.3 为什么会有深度学习？为什么是现在
1.3.1 硬件
1.3.2 数据
1.3.3 算法
1.3.4 新一轮投资潮
1.3.5 深度学习走向大众
1.3.6 它会持续下去吗
第2章在我们开始前：构建神经网络的数学模块
2.1 有关神经网络的第一印象
2.2 神经网络的数据表示
2.2.1 标量（零维张量）
2.2.2 向量（一维张量）
2.2.3 矩阵（二维张量）
2.2.4 三维张量和高维张量
2.2.5 关键属性
2.2.6 在R中使用张量
2.2.7 数据批次的概念
2.2.8 数据张量的真实示例
2.2.9 向量数据
2.2.10 时间序列数据或序列数据
2.2.11 图像数据
2.2.12 视频数据
2.3 神经网络的齿轮：张量运算
2.3.1 逐元素运算
2.3.2 包含不同维度张量的运算
2.3.3 张量点积
2.3.4 张量重塑
2.3.5 张量运算的几何解释
2.3.6 深度学习的几何解释
2.4 神经网络的引擎：基于梯度的优化
2.4.1 什么是导数
2.4.2 张量运算的导数：梯度
2.4.3 随机梯度下降
2.4.4 链式导数：后向传播算法
2.5 回顾我们的第一个例子
2.6 本章小结
……
第二部分深度学习实战
附录

R语言深度学习

库存： {{selectedSku?.stock}} 库存充足