注册 | 登录
作者：[日]涌井良幸
[日]涌井良幸简介：
[日]涌井良幸书籍
- 一本书掌握深度学习的数学基础。
- 适读人群：本套装适合机器学习、深度学习入门及进阶的开发人员。1.日本深度学习入门经典畅销书，原版上市不足2年印刷已达100000册。长期位列日亚“人工智能”类图书榜首，众多五星好评。2.使用Python3，尽量不依赖外部库或工具，从零创建一个深度学习模型。3.示例代码清晰，源代码可下载，需要的运行环境非常简单。读者可以一边读书一边执行程序，简单易上手。4.使用平实的语言，结合直观的插图和具体的例子，将深度学习的原理掰开揉碎讲解，简明易懂。5.使用计算图介绍复杂的误差反向传播法，非常直观。6.相比“花书”，本书更合适入门。对于非AI方向的技术人员，本书将大大降低入门深度学习的门槛；对于在校大学生、研究生，本书不失为学习深度学习的一本好教材；即便是在工作中已经熟练使用框架开发各类深度学习模型的读者，也可以从本书中获得新的体会。——摘自本书译者序一本书掌握深度学习的数学基础知识！结合235幅插图和大量示例基于Excel实践，直击神经网络根本原理1.图文直观穿插235幅插图和大量具体示例讲解，对易错点、重点反复说明，通俗易懂。2.结合Excel实践书中使用Excel进行理论验证，读者可下载随书附带的Excel示例文件，亲自动手操作，直观地体验深度学习。3.只需基础的数学知识适合数学基础薄弱的深度学习初学者阅读，有一定基础的读者也可以通过本书加深理解。《Python深度学习》由Keras之父、现任Google人工智能研究员的Franc.oisChollet执笔，详尽展示了用Python、Keras、TensorFlow进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。在学习完本书后，读者将了解深度学习、机器学习和神经网络的关键概念，具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力，学会解决现实世界中的深度学习问题。除此之外，本书还深刻剖析了当前的"人工智能热"，从理性的视角展望了深度学习在未来的可能性。 ●30多个代码示例，带你全面掌握如何用深度学习解决实际问题 ●Keras框架速成的明智之选 ●夯实深度学习基础，在实践中培养对深度神经网络的良好直觉 ●无须机器学习经验和高等数学背景
- 推荐一：主要面向想要从日常繁忙的工作生活中抽出一点时间来了解如何处理信息的人。用容易理解的方式（图解）教会科学决策工具！市面上有很多以“简单易懂”为宣传卖点的统计学入门书或教材，但基本上面向的都是为了通过相关资格考试、已经具备一定统计学知识的人或统计学专业的学生。对于毫无统计学背景或初中数学水平的一般人来说，要读懂这些书比较困难，需要花费在阅读上的时间也比较多。另一方面，市面上还有许多书只解说数学公式，却不阐述其原理及应用场景。本书将尝试结合统计学常识，配合Excel求解方法，尽可能通俗地讲解统计学的专业知识与理论。推荐二：经济学是一种量化的手段。将真实世界中可能发生的事件赋予“概率”的含义，并基于概率计算出期望值，从而在纷繁的选项中找出一条科学决策之路。本书主要涵盖以下内容：数据的整理方法.概率/总体/样本及其应用估计/检验及其应用回归分析/方差分析/贝叶斯统计学及其应用使用Excel的求解方法
推荐书单