Python 深度學習 (Python Deep Learning)

Valentino Zocca, Gianmario Spacagna, Daniel Slater, Peter Roelants 著、劉立民、吳建華、陳開煇 譯

立即出貨 (庫存 > 10)

買這商品的人也買了...

相關活動主題

20181101 1111 small

商品描述

隨著普羅大眾對人工智慧的興趣日益濃厚,深度學習也引起了廣泛的關注。每一天都有許多深度學習的演算法被運用在不同的產業中。
本書將會為您提供有關該主題的所有實務資訊,包括最佳實作,使用真實世界的案例。您將學習到如何辨識和擷取資訊以便提高預測準確性,並最佳化結果。
從快速回顧重要的機器學習觀念開始,本書將使用scikit-learn來介紹深度學習的原理。然後,您也將學習到使用最新的開源函式庫,如Theano、Keras、Google的TensorFlow和H20。讀者可以使用本書當作一個指南,來找出模式辨識的困難之處,縮放數據以便得到更精確的結果,並討論深度學習演算法和技巧。
無論您是想深入了解深度學習,還是想要知道如何從這個強大的技術中獲得更多的資訊,您都可以從本書中學到這一切。

適用讀者
對機器學習觀念具有一些基本認識,對Python程式設計有一些經驗的數據科學從業人員,或是立志成為資料科學家的人。同時也需對微積分和統計學的基本觀念有相當程度的理解。
============================
你能夠從本書學習到:
•深度學習演算的深入實務認識。
•進一步地以Theano、H2O、Keras和TensorFlow來學習深度學習。
•了解在許多深度學習實作的兩個最重要的核心技術:自動編碼器和受限玻爾茲曼機。
•介紹卷積類神經網路來處理電腦視覺。
•了解強化學習來處理棋盤遊戲與電動遊戲。
•遞迴類神經網路和長短期記憶網路來做語音辨識。
•以深度學習技術建立一個可擴充和生產就緒的異常偵測系統。

作者簡介

Valentino Zocca
目前是一家大型金融公司的獨立顧問,住在紐約。他利用機器學習與深度學習,開發了許多計量經濟學模型來建立預測模型。在羅馬大學取得數學碩士學位後,再到美國馬里蘭大學深造,並且完成他的數學博士學位,博士論文是研究「symplectic geometry」。取得博士學位後,在英國的University of Warwick待了一學期,再到巴黎進行博士後研究。接著在華盛頓特區的Autometric公司服務,參與許多高科技專案,並在設計、開發一個先進3D地球視覺化軟體的專案中扮演核心的角色。Autometric公司後來被波音公司併購,在波音公司服務期間,開發了許多數學演算法和預測模型,並使用Hadoop完成了許多衛星影像視覺化的程式。他可以說是一位機器學習與深度學習的專家。 並曾在美國人口普査局工作。也以獨立顧問的身分,在美國與義大利工作。並曾經在義大利米蘭與美國紐約主持過機器學習與深度學習的講座。

Gianmario Spacagna
目前是 Pirelli輪胎公司的資深資料科學家,專門處理IoT感測器資料、遙測資料與聯通載具的應用。主要專長是在替數據產品建立機器學習系統和完整的解決方案。工作中需要與輪胎技師,工程師和業務部門密切合作,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。
Gianmario是Professional Data Science Manifesto一書的共同作者,也是Data Science Milan meetup社群的創辦人。擁有Polytechnic of Turin的資訊碩士學位,曾是斯德哥爾摩的KTH公司,分散式系統的資深軟體工程師。在到Pirelli輪胎公司服務之前,曾在Barclays的零售和商業銀行服務、Cisco擔任網絡安全工作、AgilOne從事市場預測,偶爾也會以個人名義承攬專案。

Daniel Slater
從11歲開始設計程式,開發軟體遊戲Quake的模組。他的熱情引領他成為電腦遊戲公司的遊戲開發工程師,並且參與Championship Manager這個熱門系列遊戲的開發,後來轉入財務領域,從事高風險、高效能的訊息系統。現職是Skimlinks的大數據工程師,分析線上使用者行為,閒暇時間會訓練AI來打敗電腦遊戲,也曾多次在技術會議上發表關於深度學習與強化學習的演說。部落格是www.danielslater.net,其工作成果也被Google所引用。

Peter Roelants
擁有魯汶大學的計算機科學碩士學位,專攻人工智慧。致力於將深度學習運用在各個領域,例如光譜成像,語音辨識,文本分析和文件資訊檢索。目前在Onfido工作,是「數據檢索研究團隊」的領導人,專注於官方文件的資料檢索。

目錄大綱

前言

1章:機器學習簡介
什麼是「機器學習」?
不同的「機器學習」方法

2章:類神經網路
為什麼是類神經網路?
基礎介紹

3章:深度學習基礎
什麼是「深度學習」?
深度學習的應用
GPU與CPU
受歡迎的開源函式庫介紹

4章:非監督式特徵學習
自動編碼器
受限玻爾茲曼機

5章:影像辨識
人工模型與生物學模型之間的差異
卷積類神經網路的直觀理解與使用理由
卷積層
匯總層
退出
深度學習中的卷積層
Theano中的卷積網路
使用Keras的卷積層來做數字辨識
使用Keras的卷積層來對cifar10做辨識
預訓練

6章:遞迴類神經網路和語言模型
遞迴類神經網路
語言塑模
語音辨識

7章:棋盤遊戲的深度學習
早期具有 AI的遊戲
使用極小-極大演算法來給遊戲盤面定值
以Python實作Tic-Tac-Toe遊戲
學習一個估值函數
訓練AI成為圍棋大師
應用上限信賴界線於遊戲樹
蒙地卡羅樹搜索中的深度學習
強化學習的快速回顧
以策略梯度來學習策略函數
AlphaGo中的策略梯度

8章:電腦遊戲的深度學習
以監督式學習方法處理電腦遊戲
運用基因演算法來玩遊戲
Q學習
Q學習實務
動態遊戲
Atari打磚塊
演員-評論家法
非同步法
以模型為基礎學習

9章:異常偵測
什麼是「異常偵測」,什麼是「離群值偵測」?
真實世界中的異常偵測應用
受歡迎的淺層機器學習技術
使用「深度自動編碼器」來做「異常偵測」
H2O概觀
範例

10章:建立一個生產就緒的 入侵偵測系統
什麼是數據產品?
訓練
測試
部署