您好,欢迎来到聚文网。 登录 免费注册
深度学习全书 公式+推导+代码+TensorFlow全程案例

深度学习全书 公式+推导+代码+TensorFlow全程案例

  • 字数: 991000
  • 装帧: 平装
  • 出版社: 清华大学出版社
  • 作者: 洪锦魁主编;陈昭明著
  • 出版日期: 2023-05-26
  • 商品条码: 9787302610304
  • 版次: 1
  • 开本: 16开
  • 页数: 648
  • 出版年份: 2023
定价:¥159 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
编辑推荐
"深度学习已经风靡全球,对于计算机相关的从业者来说,学习其相关知识至关重要,对于非计算机领域的从业者来说,学习这些知识也可以大大扩宽自己的视野,对科技世界的发展动向略知一二。《深度学习全书——公式+推导+代码+TensorFlow全程案例》的作者以统计学人的角度,从深度学习推荐的数理知识出发,一步步介绍各种领域的算法和应用,帮助学习者们构建一个完整的知识体系,做到即学即用,避免让知识成为空中楼阁。 "
内容简介
全书共15章,分为5篇,第一篇说明深度学习的概念,包括数理基础,特点是结合编程解题,加深读者印象,第二篇说明TensorFlow的学习地图,从张量、自动微分、梯度下降乃至神经层的实践,逐步解构神经网络,第三篇介绍CNN算法、影像应用、转移学习等,第四篇则进入自然语言处理及语音识别的领域,介绍RNN/BERT/Transformer算法、相关应用等,最后,介绍强化学习的基础知识,包括马尔可夫决策过程、动态规划、蒙特卡洛、QLearning算法,当然,还有相关案例实践。各章详述如下:第1章介绍AI的发展趋势,鉴古知今,了解前两波AI失败的原因,比较第三波发展的差异性。第2章介绍深度学习推荐的统计/数学基础,不仅要理解相关知识,也力求能撰写程序解题。第3章介绍TensorFlow基本功能,包括张量运算、自动微分及神经网络层的组成,并说明梯度下降法求解的过程。第4章开始实践,依照机器学习的十项流程,撰写完整的范例,包括Web、桌面程序。第5章介绍TensorFlow进阶功能,包括各种工具,如TensorBoard、TensorFlowServing、Callbacks。第6~10章介绍图像/视讯的算法及各式应用。第11~14章介绍自然语言处理、语音及各式应用。第15章介绍AlphaGo的基础——强化学习算法。本书范例程序代码全部可以通过扫描二维码获取。
作者简介
"陈昭明,成功大学统计系学士、清华大学工业工程研究所硕士。曾任职于IBM、工研院电通所、软件开发公司、ERP顾问公司、电信公司、财经数据库公司,目前担任Python、机器学习、深度学习、AIoT讲师。获2018年IT邦帮忙铁人赛 AI 组冠军、2021年IT邦帮忙铁人赛 AI 组优选。 洪锦魁,中国台湾计算机专家,有名程序员与IT作家。横跨DOS时代、Windows时代、Internet时代、大数据时代,纵观IT兴衰而笔耕不辍。台湾天龙书局IT图书常年霸榜专业户。其作品版权包括:中国台湾(繁体中文)、中国大陆(简体中文)、马来西亚(马来文)、美国(英文)。写作特色:所有程序语法依特性分类,同时以实用的程序范例进行解说,程序确保跑通,让读者可以事半功倍地轻松掌握相关知识。"
目录
第一篇深度学习导论
第1章深度学习导论
1-1人工智能的三波浪潮
1-2AI的学习地图
1-3机器学习应用领域
1-4机器学习开发流程
1-5开发环境安装
第2章神经网络原理
2-1推荐的数学与统计知识
2-2线性代数
2-2-1向量
2-2-2矩阵
2-2-3联立方程式求解
2-3微积分
2-3-1微分
2-3-2微分定理
2-3-3偏微分
2-3-4简单线性回归求解
2-3-5积分
2-4概率与统计
2-4-1数据类型
2-4-2抽样
2-4-3基础统计
2-4-4概率
2-4-5概率分布
2-4-6假设检定
2-5线性规划
2-6普通最小二乘法与优选似然估计法
2-6-1普通最小二乘法
2-6-2优选似然估计法
2-7神经网络求解
2-7-1神经网络
2-7-2梯度下降法
2-7-3神经网络求解
第二篇TensorFlow基础篇
第三篇进阶的影像应用
第四篇自然语言处理
第五篇强化学习

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网