總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化技術及設備
 
 
 
 
深度學習導論與應用實踐(配件另行下載)
 作  者: 高隨祥/文新/馬艷軍/李軒涯
 出版單位: 清華大學
 出版日期: 2019.09
 進貨日期: 2019/11/27
 ISBN: 9787302534396
 開  本: 16 開    
 定  價: 518
 售  價: 414
  會 員 價: 380

目前無補書計畫

推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
內容簡介:

本書從數學基礎與程式設計基礎開始,逐步引導讀者領略深度學習的起源與發展,向讀者介紹深度學習在電腦視覺、自然語言處理等方面的實際應用,並為讀者呈現z前沿的深度學習研究進展,同時深入剖析技術原理,帶領讀者逐步推導深度學習背後的數學模型,並結合飛槳(PaddlePaddle)深度學習框架實現項目,代碼清晰,易於理解。本書深入淺出,將原理解析與國內流行的深度學習框架飛槳實例結合,旨在使讀者更全面、更清晰地掌握深度學習的前沿技術。

本書可作為深度學習的入門讀物,也可作為資訊學科本科生和研究生的教材,還可供資訊產業


作者簡介:

高隨祥(中國科學院大學)、文新(中國科學院資訊工程研究所)、馬豔軍(百度)、李軒涯(百度)


圖書目錄:

第1章數學基礎
1.1資料表示——標量、向量、矩陣和張量
1.1.1標量、向量、矩陣和張量
1.1.2向量的範數
1.1.3常用的向量
1.1.4常見的矩陣
1.1.5矩陣的操作
1.1.6張量的常用操作
1.2優化的基礎——導數及其應用
1.2.1導數
1.2.2泰勒公式
1.2.3拉格朗日乘數法
1.3概率模型的基礎——概率論
1.3.1隨機變數
1.3.2概率分佈
1.3.3邊緣概率
1.3.4條件概率
1.3.5獨立性
1.3.6期望、方差與協方差
1.3.7常用的概率分佈
1.4習題
第2章Python入門
2.1Python簡介
2.2Python基礎語法
2.2.1資料結構類型
2.2.2運算子
2.2.3條件陳述式
2.2.4迴圈語句
2.2.5函數
2.2.6物件導向與類
2.2.7腳本
2.3NumPy
2.3.1NumPy陣列創建與訪問
2.3.2NumPy陣列計算
2.3.3廣播
2.4Matplotlib
2.4.1Matplotlib的安裝
2.4.2Matplotlib圖像的組成部分
2.4.3Pyplot繪製簡單圖形
2.4.4Matplotlib多圖像繪製


2.5實踐: 豆瓣高分電影爬取
2.5.1思路分析
2.5.2獲取頁面
2.5.3解析頁面
2.5.4存儲資料
2.5.5資料展示與分析
2.6習題
第3章機器學習基礎
3.1機器學習概述
3.1.1機器學習定義與基本術語
3.1.2機器學習的三要素
3.1.3機器學習方法概述
3.2資料預處理
3.2.1資料清洗
3.2.2資料集拆分
3.2.3資料集不平衡
3.3特徵工程
3.3.1特徵編碼
3.3.2特徵選擇與特徵降維
3.3.3特徵標準化
3.4模型評估
3.5實踐: 鳶尾花分類
3.5.1資料準備
3.5.2配置模型
3.5.3模型訓練
3.5.4資料視覺化
3.6習題
第4章深度學習基礎
4.1深度學習發展歷程
4.2感知機
4.2.1感知機的起源
4.2.2感知機的局限性
4.3前饋神經網路
4.3.1神經元
4.3.2網路結構
4.3.3訓練與預測
4.3.4反向傳播演算法
4.4提升神經網路訓練的技巧
4.4.1參數更新方法
4.4.2資料預處理
4.4.3參數的初始化
4.4.4正則化
4.5深度學習框架
4.5.1深度學習框架的作用
4.5.2常見深度學習框架
4.5.3飛槳概述
4.6實踐: 手寫數位識別
4.6.1資料準備
4.6.2網路結構定義
4.6.3網路訓練
4.6.4網路預測
4.7習題
第5章卷積神經網路
5.1概述
5.2整體結構
5.3卷積層
5.3.1全連接層的問題
5.3.2卷積運算
5.3.3卷積的導數
5.3.4卷積層操作
5.3.5矩陣快速卷積
5.4池化層
5.5歸一化層
5.6參數學習
5.7典型卷積神經網路
5.7.1LeNet
5.7.2AlexNet
5.7.3VGGNet
5.7.4Inception
5.7.5ResNet
5.7.6DenseNet
5.7.7MobileNet
5.7.8ShuffleNet
5.8實踐: 貓狗識別
5.8.1資料準備
5.8.2網路配置
5.8.3網路訓練
5.8.4網路預測
5.9習題
第6章迴圈神經網路
6.1迴圈神經網路簡介
6.1.1迴圈神經網路的結構與計算能力
6.1.2參數學習
6.1.3迴圈神經網路變種結構
6.1.4深度迴圈神經網路
6.1.5遞迴神經網路
6.2長期依賴和門控RNN
6.2.1長期依賴的挑戰
6.2.2迴圈神經網路的長期依賴問題
6.2.3門控RNN
6.2.4優化長期依賴
6.3雙向RNN
6.4序列到序列架構
6.4.1Seq2Seq
6.4.2注意力機制
6.5實踐: 電影評論情感分析
6.5.1資料準備
6.5.2網路結構定義
6.5.3網路訓練
6.5.4網路預測
6.6習題
第7章深度學習進階
7.1深度生成模型
7.1.1變分自編碼器
7.1.2生成對抗網路
7.2深度強化學習
7.2.1強化學習模型
7.2.2強化學習分類
7.2.3深度強化學習
7.2.4深度Q網路
7.2.5深度強化學習應用
7.3遷移學習
7.3.1遷移學習的定義與分類
7.3.2遷移學習的基本方法
7.4實踐: 生成對抗網路
7.4.1資料準備
7.4.2網路配置
7.4.3模型訓練與預測
7.5習題
第8章深度學習應用: 電腦視覺
8.1目標檢測
8.1.1傳統目標檢測
8.1.2基於區域的卷積神經網路目標檢測
8.1.3基於回歸的卷積神經網路目標檢測
8.2語義分割
8.2.1傳統語義分割方法
8.2.2基於卷積神經網路的語義分割
8.3實踐: 目標檢測
8.3.1資料準備
8.3.2網路配置
8.3.3模型訓練
8.3.4模型預測
8.4習題
第9章深度學習應用: 自然語言處理
9.1自然語言處理的基本過程
9.1.1獲取語料
9.1.2語料預處理
9.1.3特徵工程
9.2自然語言處理應用
9.2.1文本分類
9.2.2機器翻譯
9.2.3自動問答
9.3實踐: 機器翻譯
9.3.1資料準備
9.3.2網路結構定義
9.3.3網路訓練
9.3.4網路預測
9.4習題
參考文獻


章節試讀:

第3章機器學習基礎
  機器學習作為實現人工智慧的一種手段,近年來日益流行。而本書的重點——深度學習,也正是實現機器學習的一種重要技術。因此,瞭解機器學習中的一些概念和演算法對於理解深度學習演算法有很大的?明。在這一章,我們將介紹這些機器學習中的重要概念、資料處理方法、評價指標等,人工智慧、機器學習和深度學習之間的關係,如圖3.1所示。
  圖3.1人工智慧、機器學習和深度學習之間的關係
  3.1機器學習概述
  3.1.1機器學習定義與基本術語
  首先,還是從人工智慧出發來介紹機器學習。人工智慧


圖片預覽:

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。