Python深度學習實用案例 丁偉雄 9787302673392 【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$635
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：202410*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：Python深度學習實用案例 ISBN：9787302673392 出版社：清華大學 著編譯者：丁偉雄 叢書名：大數據與人工智慧技術叢書 頁數：424 所在地：中國大陸 *此為代購商品 書號：1685176 可大量預訂，請先連絡。 內容簡介 本書以Python 3 11 0為平台，以實際應用為背景，通過「概念+公式+經典應用」相結合的形式，深入淺出地介紹Python深度學習實用案例。全書共10章，主要內容包括掀開深度學習的面紗、神經網路的數學基礎、機器學習的基礎、神經網路分析與應用、計算視覺分析與應用、文本和序列分析與應用，目標檢測分析與應用、生成式深度學習分析與應用、人臉檢測分析與應用、強化學習分析與應用等內容。通過本書的學習，讀者可領略到Python的簡單、易學、易讀、易維護等特點，同時感受到利用Python進行深度學習的簡單、便捷，以及其應用性強等功能特點。 本書可作為高等學校相關專業本科生和研究生的教學用書，也可作為相關專業科研人員、學者、工程技術人員的參考用書。目錄 第1章 掀開深度學習的面紗1 1 深度學習是什麼 1 1 1 深度學習的基本思想 1 1 2 深度學習和淺層學習 1 1 3 深度學習與神經網路 1 1 4 深度學習的訓練過程 1 2 機器學習與深度學習 1 2 1 機器學習的演算法流程 1 2 2 機器學習演算法建模 1 2 3 機器學習任務 1 2 4 深度學習演算法流程 1 3 深度學習的應用領域與架構 1 3 1 深度學習的應用領域 1 3 2 深度學習相關框架 1 3 3 深度學習實際應用 第2章 神經網路的數學基礎 2 1 認識神經網路 2 2 神經網路的數據表示 2 2 1 標量 2 2 2 向量 2 2 3 矩陣 2 2 4 3D張量與更高維張量 2 2 5 關鍵屬性 2 2 6 操作張量 2 2 7 數據批量 2 2 8 現實數據張量 2 3 張量運算 2 3 1 張量的創建 2 3 2 索引和切片訪問張量中的數據 2 3 3 逐元素運算 2 3 4 張量變形 2 3 5 廣播 2 3 6 張量運算的幾何解釋 2 4 梯度優化 2 4 1 導數 2 4 2 梯度 2 4 3 反向傳播演算法 2 5 神經網路剖析 2 5 1 層 2 5 2 模型 2 5 3 損失函數與優化器 2 6 Keras介紹 2 6 1 Keras的工作方式 2 6 2 Keras的設計原則 2 6 3 Keras深度學習鏈接庫特色 2 6 4 使用Keras創建神經網路 2 6 5 使用Keras實現二分類問題 2 6 6 使用Keras處理多分類問題 2 6 7 使用Keras實現預測房價問題 第3章 機器學習的基礎 3 1 機器學習概述 3 1 1 機器學習的歷程 3 1 2 機器學習的4個分支 3 1 3 機器學習的步驟 3 2 過擬合和欠擬合 3 2 1 減小模型大小 3 2 2 添加權重正則化 3 2 3 添加dropout正則化 3 3 監督學習 3 3 1 線性模型 3 3 2 邏輯回歸 3 3 3 支持向量機 3 3 4 Adaboost演算法 3 3 5 決策樹 3 3 6 隨機森林 3 4 數據預處理 3 4 1 數據預處理概述 3 4 2 數據清理 3 4 3 數據集成 3 4 4 數據變換 3 4 5 數據歸約 3 4 6 Python的數據預處理函數 第4章 神經網路分析與應用 4 1 單層感知器 4 1 1 分類特徵表示 4 1 2 單層感知器概述 4 1 3 多層神經網路 4 2 激活函數 4 2 1 sigmoid激活函數 4 2 2 tanh激活函數 4 2 3 ReLU激活函數 4 2 4 ReLU6激活函數 4 2 5 Leaky ReLU激活函數 4 2 6 softmax激活函數 4 2 7 ELU激活函數 4 2 8 Swish激活函數 4 2 9 Mish激活函數 4 2 10 Maxout激活函數 4 3 解決XOR問題 4 4 優化演算法 4 4 1 梯度下降法 4 4 2 AdaGrad演算法 4 4 3 RMSProp演算法 4 4 4 AdaDelta演算法 4 4 5 Adam演算法 4 4 6 各優化方法實現 4 4 7 無約束多維極值 第5章 計算視覺分析與應用 5 1 從全連接到卷積 5 2 卷積神經網路 5 2 1 卷積計算過程 5 2 2 感受野 5 2 3 輸出特徵尺寸計算 5 2 4 全零填充 5 2 5 批標準化 5 2 6 池化 5 2 7 捨棄 5 3 現代經典網路 5 3 1 LeNet網路 5 3 2 AlexNet網路 5 3 3 VGGNet網路 5 3 4 NiN 5 3 5 Google Inception Net網路 5 3 6 ResNet網路 5 3 7 DenseNet網路 5 4 卷積神經網路CIFAR10數據集分類 第6章 文本和序列分析與應用 6 1 處理文本數據 6 1 1 單詞和字元的one-hot編碼 6 1 2 使用詞嵌入 6 2 循環神經網路 6 2 1 循環神經網路概述 6 2 2 Keras中的循環層 6 2 3 RNN的改進演算法 6 3 ACF和PACF 6 3 1 截尾與拖尾 6 3 2 自回歸過程 6 3 3 移動平均過程 6 4 循環神經網路的應用 6 4 1 溫度預測 6 4 2 數據準備 6 4 3 基準方法 6 4 4 基本的機器學習方法 6 4 5 第一個循環網路基準 6 4 6 使用dropout降低過擬合 6 4 7 循環層堆疊 6 4 8 使用雙向RNN 第7章 目標檢測的分析與應用 7 1 目標檢測概述 7 1 1 傳統目標檢測 7 1 2 基於深度學習的目標檢測 7 1 3 目標檢測的未來 7 1 4 目標檢測面臨的挑戰 7 2 目標檢測法 7 2 1 選擇性搜索演算法 7 2 2 保持多樣性的策略 7 2 3 錨框實現 7 2 4 多尺度目標檢測 7 3 典型的目標檢測演算法 7 3 1 R-CNN演算法 7 3 2 Fast R-CNN演算法 7 3 3 Faster R-CNN演算法 7 3 4 RPN演算法 7 3 5 YOLO演算法 7 3 6 SSD演算法 第8章 生成式深度學習分析與應用 8 1 使用LSTM生成文本 8 1 1 如何生成序列數據 8 1 2 採樣策略 8 2 DeepDream演算法 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。 |
