TensorFlow 智能算法與應用

胡鶴

立即出貨

買這商品的人也買了...

相關主題

商品描述

TensorFlow是目前最受關註的機器學習框架,其模塊化設計非常適合大數據環境下智能算法的開發與應用。本書介紹了使用TensorFlow進行智能算法的實踐,包括經典的機器學習算法和深度學習算法實現。本書力求做到理論與實踐平衡統一,在相關理論上深入淺出,輔以多種TensorFlow實現技術對理論進行具體實踐,有助於讀者快速理解與掌握智能算法的精髓和TensorFlow技術的要點。本書共4篇。入門篇介紹學習環境搭建和TensorFlow框架的基本使用;基礎篇介紹傳統智能算法及其TensorFlow的實現;進階篇介紹深度神經網絡方法和CNN、RNN、LSTM、GRU等基礎的深度學習算法;應用篇介紹GAN學習算法和TensorFlowHub遷移學習。

作者簡介

中國人民大學信息學院副教授,在人工智能領域發表論文30多篇,主持了兩項國家自然科學基金項目,擁有多項軟件著作權。自2004年起負責主講《人工智能》課程,在10多年的實際教學中,作者對深度學習方法相對傳統人工智能方法的顛覆性發展有深刻的切身體會,也在教學中感受到學生學習深度學習算法和Tensorflow框架的極大熱情。作者曾將人工智能小車引入課堂教學和課程項目,建立實踐性強的人工智能實驗平台,對多種智能算法進行實踐和驗證。通過建立有趣的智能應用項目,激發學生對Tensorflow智能算法的學習熱情和實踐動力。

目錄大綱

版權信息
前言
入門篇
第1章學習環境搭建
1.1 Docker工具箱
1.2運行Docker鏡像
1.3 Jupyter筆記本
1.4 NumPy庫
1.5 Pandas 
1.6 Scikit-Learn 
第2章TensorFlow入門
2.1 Hello TensorFlow 
2.2 TensorFlow數據結構
2.3 TensorFlow計算-數據流圖
2.4 TensorFlow會話與基本操作
2.5 TensorFlow可視化
第3章TensorFlow進階
3.1 TensorFlow數據處理
3.2 TensorFlow共享變量
3.3 TensorFlow模型配置
基礎篇
第4章線性回歸算法
4.1 BOSTON數據集
4.2 TensorFlow模型
4.3 Estimator模型
4.4 Keras模型
第5章邏輯回歸算法
5.1線性回歸到邏輯回歸
5.2最小二乘到交叉熵
5.3 MNIST數據集
5.4 TensorFlow模型
5.5 Estimator模型
5.6 Keras模型
第6章算法的正則化
6.1過擬合
6.2正則化
6.3編程實戰
進階篇
第7章神經網絡與深度學習算法
7.1神經網絡
7.2神經網絡訓練
7.3多類別神經網絡
7.4神經網絡嵌入
第8章卷積神經網絡(CNN)
8.1卷積神經網絡簡介
8.2 CNN與DNN 
8.3卷積操作
8.4卷積實戰
8.5池化操作
8.6池化實戰
8.7 Relu非線性激活
8.8 TensorFlow卷積神經網絡實戰
8.9 Estimalor卷積神經網絡實戰
8.10 Keras卷積神經網絡實戰
第9章循環神經網絡(RNN)
9.1循環神經網絡簡介
9.2 DNN、CNN與RNN
9.3手工循環神經網絡
9.4 static_rnn循環神經網絡
9.5 dynamic_rnn循環神經網絡
9.6 TensorFlow循環神經網絡實戰
9.7 Estimator循環神經網絡實戰
9.8 Keras循環神經網絡實戰
9.9 LSTM模型
9.10 GRU模型
第10章自動編碼器(AutoEncoder)
10.1自動編碼器簡介
10.2自動編碼器與PCA 
10.3稀疏自動編碼器
10.4棧式自動編碼器(SAE)
10.5降噪自動編碼器(DAE)
10.6變分自動編碼器(VAE)
應用篇
第11章生成式對抗網絡
11.1生成式對抗網絡簡介
11.2 GAN工作原理
11.3 GAN改進模型
11.4 GAN模型實戰
11.5 GAN訓練技巧
11.6 GAN未來展望
第12章使用TensorFlow Hub進行遷移學習
12.1圖像遷移學習
12.2文本遷移學習
12.3完整的文本分類器
12.4 遷移學習分析