用最簡潔的 Python 上手 - 深度學習從精通再成大神

宋立桓

  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-1
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-2
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-3
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-4
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-5
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-6
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-7
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-8
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-9
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-10
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-11
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-12
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-13
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-14
  • 用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-15
用最簡潔的 Python 上手 - 深度學習從精通再成大神-preview-1

買這商品的人也買了...

相關主題

商品描述

★【用最簡潔的Python,成為深度學習最厲害的大神!】★

 

「人工智慧、深度學習和機器學習,不論你現在是否能夠理解這些概念,你都應該學習。否則三年內,你就會像被滅絕的恐龍一樣被社會淘汰。現在不開始,以後就來不及了。」——馬克•庫班(NBA獨行俠隊老闆,億萬富翁)

 

本書從人工智慧、機器學習與深度學習簡介開始,幫助讀者在Windows下的CPU/GPU環境完成深度學習、開發環境架設;之後進入Python資料科學函數庫,介紹深度學習基礎,如NumpyPandasMatplotlib

 

在了解基本函數庫後,接著介紹目前最好用、最流行的深度學習框架TensorFlowKeras。認識完框架的使用,便開始處理資料,本書介紹了資料前置處理和模型評估指標,幫讀者了解模型及資料之間的關係。當一切就緒,就可以進入實際專案的開發,包括影像分類辨識、IMDB電影評論情感分析、遷移學習、人臉辨識、影像風格遷移、生成對抗網路等,讓你用最簡潔的Python,成為深度學習最厲害的大神。

 

適合讀者

具備Python語言基礎知識的程式初學者。

非專業出身,想轉換跑道進入人工智慧領域的程式設計師。

 

本書看點

人工智慧、機器學習與深度學習簡介。

深度學習框架TensorFlowKeras

深度學習開發環境架設。

資料前置處理、模型評估指標、影像分類辨識。

作者簡介

宋立桓

IT資深技術專家、佈道師,主要負責為企業客戶提供顧問諮詢、培訓和方案設計服務。目前是騰訊雲架構師,專注於雲端計算、巨量資料和人工智慧,對區塊鏈的相關技術也有深入的研究。著有圖書《Cloudera Hadoop大資料平臺實戰指南》和《AI制勝:機器學習極簡入門》。

目錄大綱

1 章 人工智慧、機器學習與深度學習簡介

1.1 什麼是人工智慧

1.2 人工智慧的本質

1.3 人工智慧相關專業人才的就業前景

1.4 機器學習和深度學習

1.5 小白如何學深度學習

 

2 章 深度學習開發環境架設

2.1 Jupyter Notebook 極速入門

2.2 深度學習常用框架介紹

2.3 Windows 環境下安裝TensorFlowCPU 版本)和Keras

2.4 Windows 環境下安裝TensorFlowGPU 版本)和Keras

2.5 Windows 環境下安裝PyTorch

 

3 章 Python 資料科學函數庫

3.1 張量、矩陣和向量

3.2 陣列和矩陣運算函數庫——NumPy

3.3 資料分析處理函數庫——Pandas

3.4 資料視覺化函數庫——Matplotlib

 

4 章 深度學習基礎

4.1 神經網路原理闡述

4.2 卷積神經網路

4.3 卷積神經網路經典模型架構

 

5 章 深度學習框架TensorFlow 入門

5.1 第一個TensorFlow 的「Hello world

5.2 TensorFlow 程式結構

5.3 TensorFlow 常數、變數、預留位置

5.4 TensorFlow 案例實戰

5.5 視覺化工具TensorBoard 的使用

 

6 章 深度學習框架Keras 入門

6.1 Keras 架構簡介

6.2 Keras 常用概念

6.3 Keras 建立神經網路基本流程

6.4 Keras 建立神經網路進行鐵達尼號生還預測

6.5 Keras 建立神經網路預測銀行客戶流失率

 

7 章 資料前置處理和模型評估指標

7.1 資料前置處理的重要性和原則

7.2 資料前置處理方法介紹

7.3 常用的模型評估指標

 

8 章 影像分類辨識

8.1 影像辨識的基礎知識

8.2 實例一:手寫數字辨識

8.3 實例二:CIFAR-10 影像辨識

8.4 實例三:貓狗辨識

 

9 章 IMDB 電影評論情感分析

9.1 IMDB 電影資料集和影評文字處理介紹

9.2 基於多層感知器模型的電影評論情感分析

9.3 基於RNN 模型的電影評論情感分析

9.4 基於LSTM 模型的電影評論情感分析

 

10 章 遷移學習

10.1 遷移學習簡介

10.2 什麼是預訓練模型

10.3 如何使用預訓練模型

10.4 在貓狗辨識的任務上使用遷移學習

10.5 MNIST 手寫體分類上使用遷移學習

10.6 遷移學習複習

 

11 章 人臉辨識實踐

11.1 人臉辨識

11.2 人臉檢測和關鍵點定位實戰

11.3 人臉表情分析情緒辨識實戰

11.4 我能認識你——人臉辨識實戰

 

12 章 影像風格遷移

12.1 影像風格遷移簡介

12.2 使用預訓練的VGG16 模型進行風格遷移

12.3 影像風格遷移複習

 

13 章 生成對抗網路

13.1 什麼是生成對抗網路

13.2 生成對抗網路演算法細節

13.3 循環生成對抗網路

13.4 利用CycleGAN 進行影像風格遷移

 

後記 進一步深入學習