動手學PyTorch建模與應用-從深度學習到大模型 王國平 9787302666592 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202408*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：動手學PyTorch建模與應用-從深度學習到大模型 ISBN：9787302666592 出版社：清華大學 著編譯者：王國平 頁數：362 所在地：中國大陸 *此為代購商品 書號：1661387 可大量預訂，請先連絡。 內容簡介 本書是一本全面介紹深度學習和PyTorch實戰的入門指南。全書共11章，第1章主要介紹了深度學習的概念、應用場景及如何搭建開發環境。第2章詳細介紹PyTorch數學基礎，包括函數、微分、數理統計、矩陣等基礎知識及案例。第3章則介紹了數據預處理及常用工具，包括NumPy、Matplotlib、數據清洗、特徵工程以及深度學習解決問題的一般步驟等。第4章分別介紹了PyTorch的基本概念、深度神經網路以及數據建模。第5章重點介紹了卷積神經網路、循環神經網路等；第6章則涵蓋了回歸分析、聚類分析、主成分分析、模型評估與調優等內容。第7章至第10章分別介紹了PyTorch圖像建模、文本建模、音頻建模和模型可視化，第11章重點介紹了大語言模型的原理、主要大語言模型以及模型本地化部署、預訓練與微調技術。本書精心設計了大量解決實際問題的動手案例和上機練習題，並對所有實現代碼進行了詳盡的註釋和說明，同時提供數據集和配書資源文件，旨在幫助讀者更好地使用本書。 本書適合對深度學習感興趣的初學者、在校學生和從業者閱讀，也很適合作為培訓機構和高校相關專業的教學用書。作者簡介 王國平，畢業於上海海洋大學，碩士，主要從事數據可視化、數據挖掘和大數據分析與研究等工作。精通Tableau、SPSS、SPSS Modeler、Power BI等軟體，已出版《IBM SPSS Modeler數據與文本挖掘實戰》《Microsoft Power BI數據可視化與數據分析》《Tableau數據可視化從入門到精通》《SPSS統計分析與行業應用實戰》等圖書。目錄 第1章 深度學習和PyTorch概述1 1 走進深度學習的世界 1 1 1 深度學習的發展歷史 1 1 2 深度學習框架PyTorch 1 1 3 深度學習的應用領域 1 2 搭建開發環境 1 2 1 安裝Python 3 12 1 2 2 安裝代碼開發工具Jupyter Lab 1 2 3 安裝PyTorch 2 2 1 3 PyTorch的應用場景 1 4 上機練習題 第2章 PyTorch數學基礎 2 1 PyTorch中的函數 2 1 1 函數的基礎知識 2 1 2 PyTorch中的主要函數 2 2 微分基礎 2 2 1 微分及其公式 2 2 2 PyTorch自動微分 2 3 數理統計基礎 2 3 1 數理統計及其指標 2 3 2 PyTorch統計函數 2 4 矩陣基礎 2 4 1 矩陣及其運算 2 4 2 PyTorch矩陣運算 2 5 動手練習：擬合餘弦函數曲線 2 6 上機練習題 第3章 數據預處理及常用工具 3 1 NumPy 3 1 1 安裝和導入NumPy 3 1 2 NumPy的數據結構ndarray 3 1 3 NumPy的基本使用 3 2 Matplotlib 3 2 1 安裝和導入Matplotlib 3 2 2 Matplotlib的使用示例 3 3 數據清洗 3 3 1 數據清洗的作用 3 3 2 用Pandas進行數據清洗 3 4 特徵工程 3 4 1 特徵工程概述 3 4 2 使用Scikit-learn進行數據預處理 3 4 3 使用Pandas實現特徵工程 3 5 深度學習解決問題的一般步驟 3 6 動手練習：每日最高溫度預測 3 7 上機練習題 第4章 PyTorch基礎知識 4 1 張量及其創建 4 1 1 張量及其數據類型 4 1 2 使用數組直接創建張量 4 1 3 使用概率分佈創建張量 4 2 激活函數 4 2 1 激活函數及其必要性 4 2 2 Sigmoid激活函數 4 2 3 Tanh激活函數 4 2 4 ReLU激活函數 4 2 5 Leaky ReLU激活函數 4 2 6 其他類型的激活函數 4 3 損失函數 4 3 1 損失函數及其選取 4 3 2 L1范數損失函數 4 3 3 均方誤差損失函數 4 3 4 交叉熵損失函數 4 3 5 餘弦相似度損失 4 3 6 其他損失函數 4 4 優化器 4 4 1 梯度及梯度下降演算法 4 4 2 隨機梯度下降演算法 4 4 3 標準動量優化演算法 4 4 4 AdaGrad演算法 4 4 5 RMSProp演算法 4 4 6 Adam演算法 4 5 動手練習：PyTorch優化器比較 4 6 上機練習題 第5章 PyTorch深度神經網路 5 1 神經網路概述 5 1 1 神經元模型 5 1 2 多層感知機 5 1 3 前饋神經網路 5 2 卷積神經網路 5 2 1 卷積神經網路的歷史 5 2 2 卷積神經網路的結構 5 2 3 卷積神經網路的類型 5 3 循環神經網路 5 3 1 簡單的循環神經網路 5 3 2 長短期記憶網路 5 3 3 門控循環單元 5 4 動手練習：股票成交量趨勢預測 5 5 上機練習題 第6章 PyTorch數據建模 6 1 回歸分析及案例 6 1 1 回歸分析簡介 6 1 2 回歸分析建模 6 1 3 動手練習：住房價格回歸預測 6 2 聚類分析及案例 6 2 1 聚類分析簡介 6 2 2 聚類分析建模 6 2 3 動手練習：植物花卉特徵聚類 6 3 主成分分析及案例 6 3 1 主成分分析簡介 6 3 2 主成分分析建模 6 3 3 動手練習：地區競爭力指標降維 6 4 模型評估與調優 6 4 1 模型評估方法 6 4 2 模型調優方法 6 4 3 動手練習：PyTorch實現交叉驗證 6 5 上機練習題 第7章 PyTorch圖像建模 7 1 圖像建模概述 7 1 1 圖像分類技術 7 1 2 圖像識別技術 7 1 3 圖像分割技術 7 2 動手練習：創建圖像自動分類器 7 2 1 載入數據集 7 2 2 搭建網路模型 7 2 3 訓練網路模型 7 2 4 應用網路模型 7 3 動手練習：搭建圖像自動識別模型 7 3 1 載入數據集 7 3 2 搭建與訓練網路 7 3 3 預測圖像數據 7 3 4 圖像識別模型的判斷 7 4 動手練習：搭建圖像自動分割模型 7 4 1 載入數據集 7 4 2 搭建網路模型 7 4 3 訓練網路模型 7 4 4 應用網路模型 7 5 上機練習題 第8章 PyTorch文本建模 8 1 自然語言處理的幾個模型 8 1 1 Word2Vec模型 8 1 2 Seq2Seq模型 8 1 3 Attention模型 8 2 動手練習：Word2Vec提取相似文本 8 2 1 載入數據集 8 2 2 搭建網路模型 8 2 3 訓練網路模型 8 2 4 應用網路欖型 8 3 動手練習：Scq2Seq實現機器翻譯 8 3 1 載入數據集 8 3 2 搭建網路模型 8 3 3 訓練網路模型 8 3 4 應用網路模型 8 4 動手練習：Attention模型實現文本自動分類 8 4 1 載入數據集 8 4 2 搭建網路模型 8 4 3 訓練網路模型 8 4 4 應用網路模型 8 5 上機練習題 第9章 PyTorch音頻建模 9 1 音頻處理技術及 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
