中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
零基礎(chǔ)實踐深度學(xué)習(xí) 版權(quán)信息
- ISBN：9787302567516
- 條形碼：9787302567516 ; 978-7-302-56751-6
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
零基礎(chǔ)實踐深度學(xué)習(xí) 本書特色
集深度學(xué)習(xí)原理、代碼、實踐、平臺四位一體，助力讀者在AI浪潮中脫穎而出本書內(nèi)容深入淺出，結(jié)合深度學(xué)習(xí)理論與實踐，使用百度飛槳平臺實現(xiàn)自然語言處理、計算機視覺及個性化推薦等領(lǐng)域的經(jīng)典應(yīng)用。 “深度學(xué)習(xí)是新一代人工智能的核心基礎(chǔ)技術(shù)，有很強的通用性。開發(fā)便捷、訓(xùn)練高效、部署靈活的深度學(xué)習(xí)框架及平臺，已具備了自動化、模塊化和標(biāo)準(zhǔn)化特征，使得人工智能進(jìn)入工業(yè)大生產(chǎn)階段。” -百度首席技術(shù)官 王海峰
零基礎(chǔ)實踐深度學(xué)習(xí) 內(nèi)容簡介
《零基礎(chǔ)實踐深度學(xué)習(xí)》從人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)三者的關(guān)系開始，以深度學(xué)習(xí)在計算機視覺、自然語言處理和推薦系統(tǒng)的應(yīng)用實踐為主線，逐步剖析模型原理和代碼實現(xiàn)。書中的內(nèi)容深入淺出，通過原理與代碼結(jié)合、產(chǎn)業(yè)實踐和作業(yè)題結(jié)合的方式，幫助讀者更好掌握深度學(xué)習(xí)的相關(guān)知識和深度學(xué)習(xí)開源框架的使用方法。為了讓更多的讀者從中受益，快速應(yīng)對復(fù)雜多變的AI應(yīng)用，書中還介紹各種模型資源和輔助工具，旨在幫助讀者在人工智能的戰(zhàn)場上武裝到牙齒，和“AI大師”一樣無往不利。 人工智能是一門跨學(xué)科的技術(shù)，本書可作為深度學(xué)習(xí)的入門讀物，也可作為人工智能或相關(guān)學(xué)科本科生和研究生的教材，還可供AI愛好者和從業(yè)者使用。
零基礎(chǔ)實踐深度學(xué)習(xí) 目錄
第1章零基礎(chǔ)入門深度學(xué)習(xí)
1.1機器學(xué)習(xí)和深度學(xué)習(xí)綜述
1.1.1人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系
1.1.2機器學(xué)習(xí)
1.1.3深度學(xué)習(xí)
1.1.4作業(yè)
1.2使用Python和NumPy構(gòu)建神經(jīng)網(wǎng)絡(luò)模型
1.2.1波士頓房價預(yù)測任務(wù)
1.2.2構(gòu)建波士頓房價預(yù)測任務(wù)的神經(jīng)網(wǎng)絡(luò)模型
1.2.3小結(jié)
1.2.4作業(yè)
1.3飛槳開源深度學(xué)習(xí)平臺介紹
1.3.1深度學(xué)習(xí)框架
1.3.2飛槳開源深度學(xué)習(xí)平臺
1.3.3作業(yè)
1.4使用飛槳重寫房價預(yù)測模型
1.4.1飛槳深度學(xué)習(xí)平臺設(shè)計之“道”
1.4.2使用飛槳構(gòu)建波士頓房價預(yù)測模型
1.4.3作業(yè)
1.5NumPy介紹
1.5.1概述
1.5.2基礎(chǔ)數(shù)據(jù)類型： ndarray數(shù)組
1.5.3隨機數(shù)np.random
1.5.4線性代數(shù)
1.5.5NumPy保存和導(dǎo)入文件
1.5.6NumPy應(yīng)用舉例
1.5.7作業(yè)
第2章一個案例帶你吃透深度學(xué)習(xí)
2.1使用飛槳完成手寫數(shù)字識別模型
2.1.1手寫數(shù)字識別任務(wù)
2.1.2構(gòu)建手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)模型
2.1.3飛槳各模型代碼結(jié)構(gòu)一致，大大降低了用戶的編碼難度
2.1.4采用“橫縱式”教學(xué)法，適用于深度學(xué)習(xí)初學(xué)者
2.2通過極簡方案快速構(gòu)建手寫數(shù)字識別模型
2.2.1通過極簡方案構(gòu)建手寫數(shù)字識別模型
2.2.2作業(yè)
2.3“手寫數(shù)字識別”之?dāng)?shù)據(jù)處理
2.3.1概述
2.3.2讀入數(shù)據(jù)并劃分?jǐn)?shù)據(jù)集
2.3.3訓(xùn)練樣本亂序并生成批次數(shù)據(jù)
2.3.4校驗數(shù)據(jù)有效性
2.3.5封裝數(shù)據(jù)讀取與處理函數(shù)
2.3.6異步數(shù)據(jù)讀取
2.4“手寫數(shù)字識別”之網(wǎng)絡(luò)結(jié)構(gòu)
2.4.1概述
2.4.2經(jīng)典的全連接神經(jīng)網(wǎng)絡(luò)
2.4.3卷積神經(jīng)網(wǎng)絡(luò)
2.5“手寫數(shù)字識別”之損失函數(shù)
2.5.1概述
2.5.2分類任務(wù)的損失函數(shù)
2.5.3作業(yè)
2.6“手寫數(shù)字識別”之優(yōu)化算法
2.6.1概述
2.6.2設(shè)置學(xué)習(xí)率
2.6.3學(xué)習(xí)率的主流優(yōu)化算法
2.6.4作業(yè)
2.7“手寫數(shù)字識別”之資源配置
2.7.1概述
2.7.2單GPU訓(xùn)練
2.7.3分布式訓(xùn)練
2.8“手寫數(shù)字識別”之訓(xùn)練調(diào)試與優(yōu)化
2.8.1概述
2.8.2計算模型的分類準(zhǔn)確率
2.8.3檢查模型訓(xùn)練過程，識別潛在訓(xùn)練問題
2.8.4加入校驗或測試，更好評價模型效果
2.8.5加入正則化項，避免模型過擬合
2.8.6可視化分析
2.8.7作業(yè)
2.9“手寫數(shù)字識別”之恢復(fù)訓(xùn)練
2.9.1概述
2.9.2恢復(fù)訓(xùn)練
2.10完整掌握深度學(xué)習(xí)建模小結(jié)
第3章計算機視覺
3.1卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
3.1.1概述
3.1.2卷積神經(jīng)網(wǎng)絡(luò)
3.1.3作業(yè)
3.2卷積的四種操作
3.2.1概述
3.2.2池化
3.2.3ReLU激活函數(shù)
3.2.4批歸一化
3.2.5丟棄法
3.2.6作業(yè)
3.3圖像分類
3.3.1概述
3.3.2LeNet
3.3.3AlexNet
3.3.4VGG
3.3.5GoogLeNet
3.3.6ResNet
3.3.7小結(jié)
3.3.8作業(yè)
第4章目標(biāo)檢測YOLOv3
4.1目標(biāo)檢測基礎(chǔ)概念
4.1.1概述
4.1.2目標(biāo)檢測發(fā)展歷程
4.1.3目標(biāo)檢測基礎(chǔ)概念
4.2目標(biāo)檢測數(shù)據(jù)處理
4.3目標(biāo)檢測YOLOv3
4.3.1YOLOv3模型設(shè)計思想
4.3.2產(chǎn)生候選區(qū)域
4.3.3對候選區(qū)域進(jìn)行標(biāo)注
4.3.4圖形特征提取
4.3.5計算預(yù)測框位置和類別
4.3.6定義損失函數(shù)
4.3.7多尺度檢測
4.3.8網(wǎng)絡(luò)訓(xùn)練
4.3.9模型預(yù)測
4.3.10模型效果及可視化展示
4.4AI識蟲比賽
4.4.1AI識蟲比賽
4.4.2實現(xiàn)參考
4.4.3更多思路參考
第5章自然語言處理
5.1自然語言處理
5.1.1概述
5.1.2自然語言處理的發(fā)展歷程
5.1.3自然語言處理技術(shù)面臨的挑戰(zhàn)
5.1.4自然語言處理的常見任務(wù)
5.1.5使用深度學(xué)習(xí)解決自然語言處理任務(wù)的套路
5.1.6使用飛槳探索自然語言處理
5.1.7作業(yè)
5.2詞向量Word Embedding
5.2.1概述
5.2.2如何將詞轉(zhuǎn)換為向量
5.2.3如何讓向量具有語義信息
5.3使用飛槳實現(xiàn)Skipgram
5.3.1概述
5.3.2數(shù)據(jù)處理
5.3.3網(wǎng)絡(luò)定義
5.3.4網(wǎng)絡(luò)訓(xùn)練
5.3.5詞向量的有趣使用
5.3.6作業(yè)
第6章情感分析
6.1自然語言情感分析
6.1.1概述
6.1.2使用深度神經(jīng)網(wǎng)絡(luò)完成情感分析任務(wù)
6.1.3作業(yè)
6.2循環(huán)神經(jīng)網(wǎng)絡(luò)RNN和長短時記憶網(wǎng)絡(luò)LSTM
6.2.1RNN和LSTM網(wǎng)絡(luò)的設(shè)計思考
6.2.2循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
6.2.3長短時記憶網(wǎng)絡(luò)LSTM
6.2.4作業(yè)
6.3使用LSTM完成情感分析任務(wù)
6.3.1概述
6.3.2使用飛槳實現(xiàn)基于LSTM的情感分析模型
6.4AI文本分類比賽
6.4.1中文新聞標(biāo)題分類比賽
6.4.2更多思路參考
第7章推薦系統(tǒng)
7.1推薦系統(tǒng)介紹
7.1.1推薦系統(tǒng)的產(chǎn)生背景
7.1.2推薦系統(tǒng)的基本概念
7.1.3思考有哪些信息可以用于推薦
7.1.4使用飛槳探索電影推薦
7.1.5作業(yè)
7.2數(shù)據(jù)處理與讀取
7.2.1數(shù)據(jù)集回顧
7.2.2數(shù)據(jù)處理流程
7.2.3構(gòu)建數(shù)據(jù)讀取器
7.2.4小結(jié)
7.3電影推薦模型設(shè)計
7.3.1模型設(shè)計介紹
7.3.2Embedding介紹
7.3.3電影特征提取網(wǎng)絡(luò)
7.3.4相似度計算
7.3.5小結(jié)
7.4模型訓(xùn)練與特征保存
7.4.1模型訓(xùn)練
7.4.2保存特征
7.4.3作業(yè)
7.5電影推薦
7.5.1根據(jù)用戶喜好推薦電影
7.5.2幾點思考收獲
7.5.3在工業(yè)實踐中的推薦系統(tǒng)
7.5.4作業(yè)
第8章精通深度學(xué)習(xí)的高級內(nèi)容
8.1精通深度學(xué)習(xí)的高級內(nèi)容
8.1.1為什么要精通深度學(xué)習(xí)的高級內(nèi)容
8.1.2高級內(nèi)容包含哪些武器
8.1.3飛槳開源組件使用場景概覽
8.2模型資源之一： 預(yù)訓(xùn)練模型應(yīng)用工具PaddleHub
8.2.1概述
8.2.2預(yù)訓(xùn)練模型的應(yīng)用背景
8.2.3快速使用PaddleHub
8.2.4PaddleHub提供的預(yù)訓(xùn)練模型
8.2.5使用自己的數(shù)據(jù)Finetune PaddleHub預(yù)訓(xùn)練模型
8.2.6PaddleHub創(chuàng)意賽
8.2.7往屆優(yōu)秀學(xué)員作品展示
8.3模型資源之二： 各領(lǐng)域的開發(fā)套件
8.3.1概述
8.3.2PaddleSeg用于解決圖像分割的問題
8.3.3PaddleSeg是開發(fā)套件，不僅是模型庫
8.3.4PaddleSeg實戰(zhàn)
8.3.5作業(yè)
8.3.6相關(guān)參考
8.3.7往屆優(yōu)秀學(xué)員作品展示
8.4模型資源之三： 模型庫介紹
8.4.1概述
8.4.2從模型庫中篩選自己需要的模型
8.4.3使用飛槳模型庫或在其基礎(chǔ)上二次研發(fā)的優(yōu)勢
8.4.4一個案例掌握Models的使用方法
8.4.5相關(guān)參考
8.5設(shè)計思想、靜態(tài)圖、動態(tài)圖和二次研發(fā)
8.5.1飛槳設(shè)計思想的核心概念
8.5.2飛槳聲明式編程(靜態(tài)圖)與命令式編程(動態(tài)圖)
8.5.3飛槳二次研發(fā)
8.6工業(yè)部署
8.6.1概述
8.6.2飛槳模型部署組件介紹
8.6.3飛槳原生推理庫Paddle Inference
8.6.4飛槳服務(wù)化部署框架Paddle Serving
8.6.5飛槳輕量化推理引擎Paddle Lite
8.6.6飛槳模型壓縮工具PaddleSlim
8.6.7往屆優(yōu)秀學(xué)員作品展示
8.7飛槳全流程開發(fā)工具PaddleX
8.7.1飛槳全流程開發(fā)工具PaddleX
8.7.2PaddleX圖形化開發(fā)界面
8.7.3PaddleX 快速使用方法
8.7.4PaddleX客戶端使用方法
8.7.5往屆優(yōu)秀學(xué)員作品展示
8.8應(yīng)用啟發(fā)： 行業(yè)應(yīng)用與項目案例
8.8.1人工智能在中國的發(fā)展和落地概況
8.8.2傳統(tǒng)行業(yè)有AI應(yīng)用空間嗎
8.8.3項目案例： 飛槳助力國網(wǎng)山東進(jìn)行輸電通道可視化巡檢
8.8.4作業(yè)
8.8.5往屆優(yōu)秀學(xué)員作品展示
展開全部
零基礎(chǔ)實踐深度學(xué)習(xí) 作者簡介
畢然，百度杰出架構(gòu)師，飛槳產(chǎn)品負(fù)責(zé)人，專注數(shù)據(jù)分析、商業(yè)戰(zhàn)略、機器學(xué)習(xí)和人工智能等領(lǐng)域。曾擔(dān)任百度搜索戰(zhàn)略分析負(fù)責(zé)人、視覺搜索算法負(fù)責(zé)人等，獲得首屆百度z高獎。出品過《大數(shù)據(jù)分析的道與術(shù)》、《機器學(xué)習(xí)的思考故事》、《零基礎(chǔ)實踐深度學(xué)習(xí)》和《如何系統(tǒng)化的分析業(yè)務(wù)和戰(zhàn)略》等系列課程，其中前三個課程著有同名書籍。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
巴金－再思錄
- >
隨園食單
- >
中國歷史的瞬間
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
有舍有得是人生
- >
名家?guī)阕x魯迅:朝花夕拾
- >
我與地壇
本類暢銷
