掃一掃
關注中圖網
官方微博
>
從對話機器人到醫療圖像處理/深度學習商業應用開發指南
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
從對話機器人到醫療圖像處理/深度學習商業應用開發指南 版權信息
- ISBN：9787512430396
- 條形碼：9787512430396 ; 978-7-5124-3039-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：
從對話機器人到醫療圖像處理/深度學習商業應用開發指南 本書特色
深度學習算法的一個關鍵特性是能夠以*少的監督學習大量數據，這與通常需要較少(標記)數據的淺層模型不同。本書將探索一些示例，例如使用完全卷積神經網絡和殘差神經網絡進行視頻預測和圖像分割，這個應用已經在ImageNet圖像識別競賽中取得了較佳的性能。同時，通過這些技術的應用，讀者還將學習到更多的圖像識別技術和認識到一些活躍的初創公司。 通過本書中的示例，讀者還將探索深度學習算法相對于其他傳統(淺層)機器學習算法的優勢；學習Word2vec、skip thought vectors和Item2Vec等技術；通過學習嵌入式語言翻譯模型練習使用長短期記憶網絡單元和Sequence 2 Sequence模型。 此外,本書還將帶領讀者了解深度學習業務中的一些重要發現和影響，以及采用該技術的主要公司和初創公司。*后本書將介紹一些訓練深度學習模型的框架、關鍵方法和微調模型的技巧。 書中的實操編碼示例在Keras中,使用Python 3.6完成。
從對話機器人到醫療圖像處理/深度學習商業應用開發指南 內容簡介
本書從技術、商業的角度來發現深度學習的潛在應用、挑戰和機會。這些應用包括圖像識別、視頻處理和注釋、語音識別、智能個人助理、自動翻譯和無人車輛。 本書介紹了面向開發者的深度學習應用，包括一些基于內容的推薦算法和自然語言處理等常用的DL算法。探究一
從對話機器人到醫療圖像處理/深度學習商業應用開發指南 目錄
**部分 背景和基礎知識
第1章 緒 論
1.1 范圍和動機
1.2 深度學習領域的挑戰
1.3 目標受眾
1.4 本書結構
第2章 深度學習概述
2.1 冬去春來
2.2 為什么DL不同?
2.2.1 機器時代
2.2.2 對DL的一些批評
2.3 資 源
2.3.1 圖 書
2.3.2 簡 訊
2.3.3 博 客
2.3.4 在線視頻和課程
2.3.5 播 客
2.3.6 其他網絡資源
2.3.7 從一些不錯的地方開始學習
2.3.8 會 議
2.3.9 其他資源
2.3.10 DL框架
2.3.11 DL即服務(DLAS,DL As a Service)
2.4 *近的發展
2.4.1 2016年
2.4.2 2017年
2.4.3 演化算法
2.4.4 創造力
第3章 深度神經網絡模型
3.1 神經網絡簡史
3.1.1 多層感知器
3.2 什么是深度神經網絡
3.3 玻耳茲曼機器
3.3.1 受限玻耳茲曼機器
3.3.2 深度信念網絡
3.3.3 深度玻耳茲曼機器
3.4 卷積神經網絡
3.5 深度自動編碼器
3.6 遞歸神經網絡
3.6.1 強化學習的RNN
3.6.2 LSTM
3.7 生成模型
3.7.1 變分自動編碼器
3.7.2 生成性對抗網絡
第二部分 深度學習:核心應用
第4章 圖像處理
4.1 CNN 圖像處理模型
4.2 ImageNet及其他
4.3 圖像分割
4.4 圖像標題
4.5 視覺問答(VQA)
4.6 視頻分析
4.7 GAN 和生成模型
4.8 其他應用
4.8.1 衛星圖像
4.9 新聞和公司
4.10 第三方工具和API
第5章 自然語言處理及語音
5.1 解 析
5.2 分布式表示
5.3 知識表示與知識圖譜
5.4 自然語言翻譯
5.5 其他應用
5.6 多模態學習與問答
5.7 語音識別
5.8 新聞與資源
5.9 總結與思考展望
第6章 強化學習和機器人
6.1 什么是強化學習
6.2 傳統的RL
6.3 DNN 強化學習
6.3.1 確定性政策梯度
6.3.2 深層確定性政策梯度
6.3.3 深度Q 學習
6.3.4 Actor Critic算法
6.4 機器人與控制
6.5 自動駕駛汽車
6.6 會話機器人(聊天機器人)
6.7 新聞聊天機器人
6.8 應 用
6.9 展 望
6.10 自動駕駛汽車的相關新聞
第三部分 深度學習:商務應用
第7章 推薦算法和電子商務
7.1 在線用戶行為
7.2 重新定向
7.3 推薦算法
7.3.1 協同過濾器
7.3.2 RS的深度學習算法
7.3.3 Item2Vec
7.4 推薦算法的應用
7.5 未來發展方向
第8章 游戲和藝術
8.1 早期的國際象棋
8.2 從國際象棋到圍棋
8.3 其他游戲和新聞
8.3.1 Doom
8.3.2 Dota
8.3.3 其他應用
8.4 人造角色
8.5 藝術中的應用
8.6 音 樂
8.7 多模態學習
8.8 其他應用
第9章 其他應用
9.1 異常檢測與欺詐
9.1.1 欺詐預防
9.1.2 網上評論的欺詐行為
9.2 安保及防范
9.3 預 測
9.3.1 交易和對沖基金
9.4 醫學和生物醫學
9.4.1 圖像處理醫學圖像
9.4.2 生物組學
9.4.3 藥物發現
9.5 其他應用
9.5.1 用戶體驗
9.5.2 大數據
9.6 未 來
第四部分 機遇與展望
第10章 深度學習技術的商務影響
10.1 深度學習機會
10.2 計算機視覺
10.3 AI助手
10.4 法 律
10.5 放射學和醫學圖像
10.6 自動駕駛汽車
10.7 數據中心
10.8 利用DL建立競爭優勢
10.9 人 才
10.10 光有準確度還不夠
10.11 風 險
10.12 當個人助理變得比我們好
第11章 新近研究和未來方向
11.1 研 究
11.1.1 注意機制
11.1.2 多模式學習
11.1.3 一次性學習
11.1.4 強化學習和推理
11.1.5 生成神經網絡
11.1.6 生成性對抗神經網絡
11.1.7 知識轉移和學會學習
11.2 何時不使用深度學習
11.3 新 聞
11.4 人工智能在社會中的倫理和啟示
11.5 AI中的隱私和公共政策
11.6 初創公司和風險投資
11.7 未 來
11.7.1 用較少的數據學習
11.7.2 轉移學習
11.7.3 多任務學習
11.7.4 對抗性學習
11.7.5 少量學習
11.7.6 元學習
11.7.7 神經推理
附錄A 用Keras訓練DNN
A.1 Keras框架
A.1.1 在Linux中安裝Keras/
A.1.2 模 型
A.1.3 核心層
A.1.4 損失函數
A.1.5 培訓和測試
A.1.6 回 調
A.1.7 編譯和擬合
A.2 深度和寬度模型
A.3 用于圖像分割的FCN
A.3.1 序列到序列
A.4 多層感知器的反向傳播
參考文獻
第1章 緒 論
1.1 范圍和動機
1.2 深度學習領域的挑戰
1.3 目標受眾
1.4 本書結構
第2章 深度學習概述
2.1 冬去春來
2.2 為什么DL不同?
2.2.1 機器時代
2.2.2 對DL的一些批評
2.3 資 源
2.3.1 圖 書
2.3.2 簡 訊
2.3.3 博 客
2.3.4 在線視頻和課程
2.3.5 播 客
2.3.6 其他網絡資源
2.3.7 從一些不錯的地方開始學習
2.3.8 會 議
2.3.9 其他資源
2.3.10 DL框架
2.3.11 DL即服務(DLAS,DL As a Service)
2.4 *近的發展
2.4.1 2016年
2.4.2 2017年
2.4.3 演化算法
2.4.4 創造力
第3章 深度神經網絡模型
3.1 神經網絡簡史
3.1.1 多層感知器
3.2 什么是深度神經網絡
3.3 玻耳茲曼機器
3.3.1 受限玻耳茲曼機器
3.3.2 深度信念網絡
3.3.3 深度玻耳茲曼機器
3.4 卷積神經網絡
3.5 深度自動編碼器
3.6 遞歸神經網絡
3.6.1 強化學習的RNN
3.6.2 LSTM
3.7 生成模型
3.7.1 變分自動編碼器
3.7.2 生成性對抗網絡
第二部分 深度學習:核心應用
第4章 圖像處理
4.1 CNN 圖像處理模型
4.2 ImageNet及其他
4.3 圖像分割
4.4 圖像標題
4.5 視覺問答(VQA)
4.6 視頻分析
4.7 GAN 和生成模型
4.8 其他應用
4.8.1 衛星圖像
4.9 新聞和公司
4.10 第三方工具和API
第5章 自然語言處理及語音
5.1 解 析
5.2 分布式表示
5.3 知識表示與知識圖譜
5.4 自然語言翻譯
5.5 其他應用
5.6 多模態學習與問答
5.7 語音識別
5.8 新聞與資源
5.9 總結與思考展望
第6章 強化學習和機器人
6.1 什么是強化學習
6.2 傳統的RL
6.3 DNN 強化學習
6.3.1 確定性政策梯度
6.3.2 深層確定性政策梯度
6.3.3 深度Q 學習
6.3.4 Actor Critic算法
6.4 機器人與控制
6.5 自動駕駛汽車
6.6 會話機器人(聊天機器人)
6.7 新聞聊天機器人
6.8 應 用
6.9 展 望
6.10 自動駕駛汽車的相關新聞
第三部分 深度學習:商務應用
第7章 推薦算法和電子商務
7.1 在線用戶行為
7.2 重新定向
7.3 推薦算法
7.3.1 協同過濾器
7.3.2 RS的深度學習算法
7.3.3 Item2Vec
7.4 推薦算法的應用
7.5 未來發展方向
第8章 游戲和藝術
8.1 早期的國際象棋
8.2 從國際象棋到圍棋
8.3 其他游戲和新聞
8.3.1 Doom
8.3.2 Dota
8.3.3 其他應用
8.4 人造角色
8.5 藝術中的應用
8.6 音 樂
8.7 多模態學習
8.8 其他應用
第9章 其他應用
9.1 異常檢測與欺詐
9.1.1 欺詐預防
9.1.2 網上評論的欺詐行為
9.2 安保及防范
9.3 預 測
9.3.1 交易和對沖基金
9.4 醫學和生物醫學
9.4.1 圖像處理醫學圖像
9.4.2 生物組學
9.4.3 藥物發現
9.5 其他應用
9.5.1 用戶體驗
9.5.2 大數據
9.6 未 來
第四部分 機遇與展望
第10章 深度學習技術的商務影響
10.1 深度學習機會
10.2 計算機視覺
10.3 AI助手
10.4 法 律
10.5 放射學和醫學圖像
10.6 自動駕駛汽車
10.7 數據中心
10.8 利用DL建立競爭優勢
10.9 人 才
10.10 光有準確度還不夠
10.11 風 險
10.12 當個人助理變得比我們好
第11章 新近研究和未來方向
11.1 研 究
11.1.1 注意機制
11.1.2 多模式學習
11.1.3 一次性學習
11.1.4 強化學習和推理
11.1.5 生成神經網絡
11.1.6 生成性對抗神經網絡
11.1.7 知識轉移和學會學習
11.2 何時不使用深度學習
11.3 新 聞
11.4 人工智能在社會中的倫理和啟示
11.5 AI中的隱私和公共政策
11.6 初創公司和風險投資
11.7 未 來
11.7.1 用較少的數據學習
11.7.2 轉移學習
11.7.3 多任務學習
11.7.4 對抗性學習
11.7.5 少量學習
11.7.6 元學習
11.7.7 神經推理
附錄A 用Keras訓練DNN
A.1 Keras框架
A.1.1 在Linux中安裝Keras/
A.1.2 模 型
A.1.3 核心層
A.1.4 損失函數
A.1.5 培訓和測試
A.1.6 回 調
A.1.7 編譯和擬合
A.2 深度和寬度模型
A.3 用于圖像分割的FCN
A.3.1 序列到序列
A.4 多層感知器的反向傳播
參考文獻
展開全部
從對話機器人到醫療圖像處理/深度學習商業應用開發指南 作者簡介
阿曼多·維埃拉(Armando Vieira)于1997年在葡萄牙科英布拉大學(University of Coimbra)獲得物理學博士學位,然后開始從事人工神經網絡工作。 他于2003年率先開展了深度神經網絡研究,目前在從事圖像處理、藥物發現、信用評分及風險分析的公司和初創團隊中擔任高級數據科學顧問。 他曾參與了許多與人工智能相關的商業活動,并且是Alea.ai 的創始人。 讀者可以在http://armando.lidinwise.com 上找到更多關于作者的信息。
伯納特·里貝羅(Bernardete Ribeiro)是葡萄牙科英布拉大學(University of Coimbra)的教授,主要教授編程、模式識別、商業智能和其他相關課程。 她獲得了科英布拉大學信息學工程(CISUC)博士學位,并且是CISUC的特許教授。 同時,她還擔任CISUC信息與系統中心的主任。 她的主要研究方向包括機器學習、模式識別、金融工程、文本分類和信號處理,以及它的在相關領域的廣泛應用。 她是人工神經網絡實驗室(LARN)的創始人,并且擔任該實驗室主任超過20年。 伯納德特(Bernardete)不但是葡萄牙模式識別協會(APRP)的主席,而且還是國際模式識別協會(IAPR)理事會的成員。
譯者簡介阿曼多·維埃拉(Armando Vieira)于1997年在葡萄牙科英布拉大學(University of Coimbra)獲得物理學博士學位,然后開始從事人工神經網絡工作。 他于2003年率先開展了深度神經網絡研究,目前在從事圖像處理、藥物發現、信用評分及風險分析的公司和初創團隊中擔任高級數據科學顧問。 他曾參與了許多與人工智能相關的商業活動,并且是Alea.ai 的創始人。 讀者可以在http://armando.lidinwise.com 上找到更多關于作者的信息。
伯納特·里貝羅(Bernardete Ribeiro)是葡萄牙科英布拉大學(University of Coimbra)的教授,主要教授編程、模式識別、商業智能和其他相關課程。 她獲得了科英布拉大學信息學工程(CISUC)博士學位,并且是CISUC的特許教授。 同時,她還擔任CISUC信息與系統中心的主任。 她的主要研究方向包括機器學習、模式識別、金融工程、文本分類和信號處理,以及它的在相關領域的廣泛應用。 她是人工神經網絡實驗室(LARN)的創始人,并且擔任該實驗室主任超過20年。 伯納德特(Bernardete)不但是葡萄牙模式識別協會(APRP)的主席,而且還是國際模式識別協會(IAPR)理事會的成員。
譯者簡介
張向東，1969年生于寧夏中衛， 1992年獲得清華大學電子系通信專業學士學位； 1995年獲得中科院聲學所理學碩士學位，師從俞鐵城。俞先生早在1972年就開始在計算機上研究語音識別，是中國較早的語音識別專家之一。張向東曾先后擔任中科院聲學所語音識別研究室副主任、Intel中國研究中心高級研究員、歌爾聲學（北京）技術副總、歌爾股份投資總監、歌爾創新研究院院長，現任蘇州繆斯談談 CTO及北航兼職教授、中國聲學學會理事、中國計算機學會（CCF）人機對話TF主席。
書友推薦
- >
我從未如此眷戀人間
- >
【精裝繪本】畫給孩子的中國神話
- >
推拿
- >
經典常談
- >
月亮虎
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:故事新編
- >
自卑與超越
本類暢銷
