Python 深度學習, 2/e Python Deep Learning 2

伊万·瓦西列夫,詹马里奥·斯帕卡尼亚,丹尼尔·斯莱特,彼得·罗兰茨,瓦伦蒂诺·佐卡 譯 楊軒

  • 出版商: 中國水利水電
  • 出版日期: 2022-01-01
  • 定價: $539
  • 售價: 7.9$426
  • 語言: 簡體中文
  • 頁數: 264
  • 裝訂: 平裝
  • ISBN: 7517099868
  • ISBN-13: 9787517099864
  • 相關分類: DeepLearning
  • 立即出貨 (庫存 < 4)

買這商品的人也買了...

商品描述

《Python深度學習(第2版)》系統地講解了機器學習、深度學習、強化學習理論知識,
揭秘了各種神經網絡架構如卷積神經網絡、循環神經網絡、長短期記憶網絡和膠囊網絡背後的原理和實際應用;
講解瞭如何使用高性能的算法和常用的Python框架來進行訓練,
以及如何解決計算機視覺、自然語言處理和語音識別等領域的問題;
還講解了生成模型方法以及如何使用變分自編碼器和生成式對抗網絡來生成圖像;
最後深入研究強化學習的新發展領域,並介紹了一些先進熱門遊戲Go、Atari和Dota背後的算法。
學習完本書,讀者可以精通深度學習理論及其在現實世界中的應用。
  《Python深度學習(第2版)》一書面向數據科學從業者、
機器學習工程師以及對深度學習感興趣的讀者,
也適合作為高校計算機專業的教材使用。

作者簡介

l 伊万·瓦西列夫於2013年在GPU支持下開始研究第1個開源Java深度學習庫。該庫後被一家德國公司收購併繼續開發。伊万·瓦西列夫還曾在深度神經網絡醫學圖像分類和分割領域擔任機器學習(Machine Learning,ML)工程師和研究員;從2017年起,開始專注於金融機器學習;現正在研究Python開源算法交易庫,該庫提供了用於試驗各種機器算法的基礎架構。伊万·瓦西列夫擁有聖索非亞大學聖克里門特·奧赫里德斯基分校的人工智能碩士學位。


l 詹馬里奧·斯帕卡尼亞是“倍耐力”的高級數據科學家,負責處理物聯網(IoT)和網聯車應用的傳感器和遙測數據。他與輪胎機械師、工程師和業務部門緊密合作,以便分析和製定混合動力、物理驅動和數據驅動的汽車模型。他的主攻專業方向是為數據產品構建機器學習系統和端到端解決方案。他擁有都靈理工學院的遠程信息處理碩士學位,以及斯德哥爾摩KTH的分佈式系統軟件工程學位。在加入倍耐力之前,他曾在零售和商業銀行(Barclays)、網絡安全(Cisco)、預測性營銷(AgilOne)中工作,並偶爾從事自由職業。


l 丹尼爾·斯萊特從11歲開始編程,為ID軟件公司的Quake遊戲開發模組。他對遊戲的痴迷使他成為熱門遊戲“冠軍足球經理”的開發人員。然後,他進入金融領域,致力於風險和高性能消息系統。目前他是Skimlinks的一名大數據工程師,負責了解在線用戶的行為。他用業餘時間訓練AI擊敗計算機遊戲。他在技術會議上談論深度學習和強化學習,其博客地址為www.danielslater.net。他在該領域的工作已被Google引用。


l 彼得·羅蘭茨擁有庫魯汶大學計算機科學碩士學位,主修人工智能。他致力於將深度學習應用於各種問題,如光譜成像、語音識別、文本理解和文檔信息提取。他目前在Onfido擔任數據提取研究小組的組長,主要負責從官方文檔中提取數據。


l 瓦倫蒂諾·佐卡擁有博士學位,先後從美國馬里蘭大學和羅馬大學畢業,獲得數學學士學位,並在華威大學學習了一個學期。之後他在被波音公司收購的Autometric公司從事高級立體三維地球可視化軟件的高科技項目研究,該軟件具有頭部跟踪功能。他在那裡開發了許多數學算法和預測模型,並使用Hadoop實現了多個衛星圖像可視化的自動化程序。他曾在美國人口普查局、美國和意大利的企業擔任獨立顧問。目前,他居住在紐約,並擔任一家大型金融公司的獨立顧問。

目錄大綱

目錄
第1章 機器學習導論
1.1 機器學習概述
1.2 機器學習算法
1.2.1 監督學習
1.線性回歸和邏輯回歸
2.支持向量機
3.決策樹
4.樸素貝葉斯
1.2.2 無監督學習
K-means
1.2.3 強化學習
Q-learning
1.2.4 機器學習組件
1.3 神經網絡
PyTorch簡介
1.4 小結

第2章 神經網絡
2.1 神經網絡的重要性
2.2 神經網絡概述
2.2.1 神經元概述
2.2.2 層概述
2.2.3 多層神經網絡
2.2.4 不同類型的激活函數
2.2.5 綜合案例
2.3 訓練神經網絡
2.3.1 線性回歸
2.3.2 邏輯回歸
2.3.3 反向傳播
2.3.4 XOR函數的神經網絡的代碼示例
2.4 小結

第3章 深度學習基礎
3.1 深度學習導論
3.2 深度學習的基本概念
3.3 深度學習算法
3.3.1 深度網絡
當代深度學習簡史
3.3.2 訓練深度網絡
3.4 深度學習的應用
3.5 深度學習流行的原因
3.6 流行的開源庫
3.6.1 TensorFlow、Keras、PyTorch簡介
1.TensorFlow
2.Keras
3.PyTorch
3.6.2 使用Keras對手寫數字進行分類
3.6.3 使用Keras對物體圖像進行分類
3.7 小結

第4章 基於卷積神經網絡的計算機視覺
4.1 卷積神經網絡的直觀解釋
4.2 卷積層
……
第5章 高級計算機視覺
第6章 使用VAE和GAN生成圖像
第7章 循環神經網絡和語言模型
第8章 強化學習理論
第9章 遊戲深度強化學習
第10章 自動駕駛深度學習