内容简介
本书从机器学本概述开始，指导你建立流行的基于Python语言的深度学框架。你将了解如何实现对数据的清洗和预处理，以便使用数据样行深度学逐步探索神经网络的训练方法和应用技术。本书还将帮助你亲自动手训练单层和多层神经元，从而深入理解神经网络模型的工作原理。稍后，你将在一些简单应用实例的帮助下掌握若干当前比较流行的神经网络架构，例如N、RNN、AE、VAE和GAN。你甚将从头开始构建这些模型。在每一章的结尾处都有一个问答环节，可以帮助你测试对本书内容的掌握情况。 本书内容丰富，文字表述清晰，实例讲解详细，图例直观形象，适合作为高等学校人工智能、智能科学与技术、数据科学与大数据技术、计算机科学与技术以及相关专业的本科生及研究生深度学的入门教材，也可供工程技术人员和自学读者学。
目录
译者序序前言作者简介审校者简介部分 深度学入门 第1章 机器学 1.1 接触ML生态系统 1.2 从数据中训练ML算法 1.3 深度学 1.3.1 神经元模型 1.3.2 感知机学 1.3.3 浅层网络 1.3.4 深度网络 1.4 深度学代社会中的重要 1.5 小结 1.6 答案 1.7 参考文献 第2章 深度学的搭建与概述 2.1 Colaboratory简介 2.2 TensorFlow的简介与安装 2.2.1 安装 2.2.2 拥有GPU支持的TensorFlow 2.2.3 TensorFlow背后的原理 2.3 Keras的简介与安装 2.3.1 安装 2.3.2 Keras背后的原理 2.4 PyTorch简介 2.5 Dopamine简介 2.6 其他深度学库 2.6.1 Caffe 2.6.2 Theano 2.6.3 其他程序库 2.7 小结 2.8 答案 2.9 参考文献 第3章 数据准备 第4章 从数据中学r/>部分 无监督深度学r/> 第7章 自编码器 第8章 深度自编码器 第9章 变分自编码器 第10章 受限玻尔兹曼机第三部分 监督深度学r/> 第11章 深度与广度神经网络 第12章 卷积神经网络 第13章 循环神经网络 第14章 生成对抗网络 第15章 深度学来