包郵深度學習全書(公式+推導+代碼+TensorFlow全程案例)

作者：陳昭明

出版社：清華大學出版社出版時間：2022-09-01

開本： 16開 頁數： 637

本類榜單：計算機/網絡銷量榜

中圖價:¥100.2(6.3折) 定價 ~~¥159.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

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高級應用

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高級應用

¥14.4¥45
>
決戰行測5000題(言語理解與表達)

決戰行測5000題(言語理解與表達)

¥44.1¥88
>
軟件性能測試.分析與調優實踐之路

軟件性能測試.分析與調優實踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續交付

JAVA持續交付

¥58.1¥119
>
EXCEL最強教科書(完全版)(全彩印刷)

EXCEL最強教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學習

深度學習

¥92.4¥168

商品詳情
商品評論(0條)

中圖價:¥100.2 加入購物車

版權信息
本書特色
內容簡介
目錄
作者簡介

深度學習全書(公式+推導+代碼+TensorFlow全程案例) 版權信息

ISBN：9787302610304
條形碼：9787302610304 ; 978-7-302-61030-4
裝幀：一般膠版紙
冊數：暫無
重量：暫無
所屬分類：
計算機/網絡
>
計算機理論

深度學習全書(公式+推導+代碼+TensorFlow全程案例) 本書特色

深度學習已經風靡全球，對于計算機相關的從業者來說，學習其相關知識至關重要，對于非計算機領域的從業者來說，學習這些知識也可以大大擴寬自己的視野，對科技世界的發展動向略知一二。《深度學習全書——公式+推導+代碼+TensorFlow全程案例》的作者以統計學人的角度，從深度學習**的數理知識出發，一步步介紹各種領域的算法和應用，幫助學習者們構建一個完整的知識體系，做到即學即用，避免讓知識成為空中樓閣。

深度學習全書(公式+推導+代碼+TensorFlow全程案例) 內容簡介

《深度學習全書——公式+推導+代碼+TensorFlow全程案例》共有15章，分為5部分，**篇說明深度學習的概念，包括數理基礎，特點是結合編程解題，加深讀者印象，第二篇說明TensorFlow的學習地圖，從張量、自動微分、梯度下降乃至神經層的實踐，逐步解構神經網絡，第三篇介紹CNN算法、影像應用、轉移學習等，第四篇則進入自然語言處理及語音識別的領域，介紹RNN/BERT/Transformer算法、相關應用等，*后，介紹了強化學習的基礎知識，包括馬爾可夫決策過程、動態規劃、蒙特卡洛、Q Learning算法，當然，還有相關案例實踐。

深度學習全書(公式+推導+代碼+TensorFlow全程案例) 目錄

目錄 **篇深度學習導論 **篇深度學習導論第 1 章深度學習導論 2 人工智能的三波浪潮 2 AI 的學習地圖 4 機器學習應用領域 5 機器學習開發流程 6 開發環境安裝 7 第 2 章神經網絡原理 12 **的數學與統計知識 12 2-2-1向量 ……………………142-2-2矩陣 ……………………182-2-3聯立方程式求解 ………22 線性代數 14 微積分 24 _x00E_2-3-5 積分 37 概率與統計 41 2-4-1數據類型 ………………422-4-2抽樣 ……………………432-4-3基礎統計 ………………462-4-4概率 ……………………532-4-5概率分布 ………………592-4-6假設檢定 ………………69線性規劃 78 普通*小二乘法與*大似然估計法 81 普通*小二乘法 81 *大似然估計法 84 2-7-1神經網絡 ………………882-7-2梯度下降法 ……………912-7-3神經網絡求解 …………94 神經網絡求解 88 2-3-1微分 ……………………242-3-2微分定理 ………………292-3-3偏微分 …………………322-3-4簡單線性回歸求解 ……36深度學習全書——公式 + 推導 + 代碼 +TensorFlow 全程案例第二篇 TensorFlow 基礎篇第二篇 TensorFlow 基礎篇第 3 章 TensorFlow 架構與主要功能 98 常用的深度學習框架 98 TensorFlow 架構 99 張量運算 100 自動微分 105 神經網絡層 109 第 4 章神經網絡實踐 114 撰寫**個神經網絡程序 114 HYPERLINK \l "_TOC_250021" *簡短的程序 114 HYPERLINK \l "_TOC_250020" 程序強化 115 HYPERLINK \l "_TOC_250019" 4-1-3 實驗 124 Keras 模型種類 129 HYPERLINK \l "_TOC_250018" Sequential model 129 HYPERLINK \l "_TOC_250017" Functional API 133 4-3 神經層 135 HYPERLINK \l "_TOC_250016" 完全連接神經層 135 HYPERLINK \l "_TOC_250015" Dropout Layer 137 激活函數 137 損失函數 142 4-6 優化器 144 效果衡量指標 148 超參數調校 152 第 5 章 TensorFlow 其他常用指令 156 特征轉換 156 模型存盤與加載 157 模型匯總與結構圖 159 _x00E_回調函數 161 EarlyStopping Callbacks 162 ModelCheckpoint Callbacks 163 TensorBoard Callbacks … 164 HYPERLINK \l "_TOC_250014" 自定義 Callback 165 自定義 Callback 應用 … 168 HYPERLINK \l "_TOC_250013" 5-4-6 總結 169 TensorBoard 169 HYPERLINK \l "_TOC_250012" 5-5-1 TensorBoard 功能 169 HYPERLINK \l "_TOC_250011" 5-5-2 測試 171 HYPERLINK \l "_TOC_250010" 5-5-3 寫入圖片 172 HYPERLINK \l "_TOC_250009" 5-5-4 直方圖 173 HYPERLINK \l "_TOC_250008" 效果調校 174 HYPERLINK \l "_TOC_250007" 敏感度分析 175 HYPERLINK \l "_TOC_250006" 5-5-7 總結 176 模型部署與 TensorFlow Serving 176 HYPERLINK \l "_TOC_250005" 自行開發網頁程序 176 HYPERLINK \l "_TOC_250004" TensorFlow Serving 178 TensorFlow Dataset 180 HYPERLINK \l "_TOC_250003" 產生 Dataset 180 HYPERLINK \l "_TOC_250002" 圖像 Dataset 184 TFRecord 與 Dataset … 186 HYPERLINK \l "_TOC_250001" TextLineDataset 189 HYPERLINK \l "_TOC_250000" Dataset 效果提升 191 第 6 章卷積神經網絡 193 6-1 卷積神經網絡簡介 193 IV 目錄 6-2 卷積 194 6-3 各式卷積 197 6-4 池化層 201 CNN 模型實踐 202 影像數據增補 206 可解釋的 AI 211 _x00E_第 7 章預先訓練的模型 ………219 預先訓練的模型簡介 219 采用完整的模型 221 采用部分模型 225 轉移學習 229 Batch Normalization 說明 233 第三篇進階的影像應用第三篇進階的影像應用第 8 章目標檢測 238 圖像辨識模型的發展 238 滑動窗口 239 方向梯度直方圖 242 R-CNN 目標檢測 252 R-CNN 改良 263 YOLO 算法簡介 266 YOLO 環境配置 269 以 TensorFlow 實踐 YOLO 模型… 274 YOLO 模型訓練 280 SSD 算法 285 TensorFlow Object Detection API 285 目標檢測的效果衡量指標 294 8-13 總結 295 第 9 章進階的影像應用 296 語義分割介紹 296 自動編碼器 297 語義分割實踐 305 實例分割 311 _x00E_風格轉換—人人都可以是畢加索 315 臉部辨識 327 臉部檢測 327 MTCNN 算法 332 臉部追蹤 334 臉部特征點檢測 340 臉部驗證 346 光學文字辨識 349 車牌辨識 353 卷積神經網絡的缺點 357 第 10 章生成對抗網絡 359 生成對抗網絡介紹 359 生成對抗網絡種類 361 DCGAN 364 Progressive GAN 375 Conditional GAN 380 Pix2Pix 385 CycleGAN 396 GAN 挑戰 406 深度偽造 406 V 深度學習全書——公式 + 推導 + 代碼 +TensorFlow 全程案例第四篇自然語言處理第四篇自然語言處理第 11 章自然語言處理的介紹 …412 詞袋與 TF-IDF 412 詞匯前置處理 416 11-3 詞向量 421 GloVe 模型 433 中文處理 436 spaCy 庫 439 第 12 章自然語言處理的算法 444 循環神經網絡 444 長短期記憶網絡 451 LSTM 重要參數與多層 LSTM 456 Gate Recurrent Unit 467 股價預測 468 注意力機制 475 Transformer 架構 485 Transformer 原理 486 Transformer 效能 487 BERT 488 Masked LM 488 Next Sentence Prediction 489 BERT 效能微調 490 Transformers 庫 491 12-9-1 Transformers 庫范例 … 491 _x00E_Transformers 庫效能微調 501 后續努力 507 12-10 總結 507 第 13 章聊天機器人 508 ChatBot 類別 508 ChatBot 設計 509 ChatBot 實踐 511 ChatBot 工具框架 514 ChatterBot 實踐 514 Chatbot AI 實踐 517 Rasa 實踐 520 Dialog?ow 實踐 523 Dialog?ow 安裝 525 Dialog?ow 基本功能 … 527 13-5-3 履行 532 13-6 總結 536 第 14 章語音識別 537 語音基本認識 538 語音前置處理 549 語音相關的深度學習應用 561 自動語音識別 574 自動語音識別實踐 577 14-6 總結 578 VI 目錄第五篇強化學習第五篇強化學習第 15 章強化學習 580 強化學習的基礎 581 強化學習模型 583 簡單的強化學習架構 586 Gym 庫 593 Gym 擴充功能 600 動態規劃 602 _x00E_15-7 值循環 607 蒙特卡洛 610 時序差分 619 其他算法 628 井字游戲 630 木棒小車 636 15-13 總結 637 VI

展開全部

深度學習全書(公式+推導+代碼+TensorFlow全程案例) 作者簡介

陳昭明，成功大學統計系學士、清華大學工業工程研究所碩士。曾任職于IBM、工研院電通所、軟件開發公司、ERP顧問公司、電信公司、財經數據庫公司，目前擔任Python、機器學習、深度學習、AIoT講師。獲2018年IT邦幫忙鐵人賽 AI 組冠軍、2021年IT邦幫忙鐵人賽 AI 組優選。洪錦魁，中國臺灣計算機專家，著名程序員與IT作家。橫跨DOS時代、Windows時代、Internet時代、大數據時代，縱觀IT興衰而筆耕不輟。臺灣天龍書局IT圖書常年霸榜專業戶。其作品版權包括：中國臺灣（繁體中文）、中國大陸（簡體中文）、馬來西亞（馬來文）、美國（英文）。寫作特色：所有程序語法依特性分類，同時以實用的程序范例進行解說，程序確保跑通，讓讀者可以事半功倍地輕松掌握相關知識。

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦

>
詩經-先民的歌唱
詩經-先民的歌唱
裴溥言
¥14.5~~¥39.8~~
>
史學評論
史學評論
楊玉圣
¥18.9~~¥42.0~~
>
龍榆生：詞曲概論/大家小書
龍榆生：詞曲概論/大家小書
龍榆生
¥8.7~~¥24.0~~
>
自卑與超越
自卑與超越
[奧]阿爾弗雷德·阿德勒著，韓陽譯
¥16.7~~¥39.8~~
>
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
易竹賢
¥9.9~~¥23.0~~
>
李白與唐代文化
李白與唐代文化
葛景春
¥9.9~~¥29.8~~
>
伯納黛特,你要去哪(2021新版)
伯納黛特,你要去哪(2021新版)
[美] 瑪利亞·森普爾著，何雨珈譯
¥16.9~~¥49.8~~
>
巴金－再思錄
巴金－再思錄
巴金
¥15.7~~¥46.0~~