编辑推荐
本书从机器学习的基本概述开始，指导你建立流行的基于Python语言的深度学习程序框架。
内容简介
本书分为三部分。
第一部分将帮助你快速理解从数据中学习、深度学习基本架构、如何准备数据，以及深度学习中经常使用的基本概念。
第二部分将重点介绍无监督学习算法。从自编码器开始，然后转向层数更深、规模更大的神经网络模型。
第三部分介绍监督学习算法，你将掌握基本和高级深度学习模型的实现方法，并能够将这些模型用于分类、回归以及从潜在空间生成数据等应用场合。
章节目录
版权信息
译者序
序
前言
作者简介
审校者简介
第一部分 深度学习快速入门
第1章 机器学习概述
1.1 接触ML生态系统
1.2 从数据中训练ML算法
1.3 深度学习概述
1.4 深度学习在现代社会中的重要性
1.5 小结
1.6 习题与答案
1.7 参考文献
第2章 深度学习框架的搭建与概述
2.1 Colaboratory简介
2.2 TensorFlow的简介与安装
2.3 Keras的简介与安装
2.4 PyTorch简介
2.5 Dopamine简介
2.6 其他深度学习程序库
2.7 小结
2.8 习题与答案
2.9 参考文献
第3章 数据准备
3.1 二元数据与二元分类
3.2 分类数据与多个类别
3.3 实值数据与单变量回归
3.4 改变数据的分布
3.5 数据增强
3.6 数据降维
3.7 操纵数据的道德影响
3.8 小结
3.9 习题与答案
3.10 参考文献
第4章 从数据中学习
4.1 学习的目的
4.2 度量成功与错误
4.3 识别过拟合和泛化
4.4 机器学习背后的艺术
4.5 训练深度学习算法的伦理意蕴
4.6 小结
4.7 习题与答案
4.8 参考文献
第5章 训练单个神经元
5.1 感知机模型
5.2 感知机学习算法
5.3 处理线性不可分数据的感知机
5.4 小结
5.5 习题与答案
5.6 参考文献
第6章 训练多层神经元
6.1 MLP模型
6.2 最小化误差
6.3 寻找最佳超参数
6.4 小结
6.5 习题与答案
6.6 参考文献
第二部分 无监督深度学习
第7章 自编码器
7.1 无监督学习简介
7.2 编码层与解码层
7.3 数据降维与可视化应用
7.4 无监督学习的伦理意蕴
7.5 小结
7.6 习题与答案
7.7 参考文献
第8章 深度自编码器
8.1 深度信念网络简介
8.2 建立深度自编码器
8.3 探索深度自编码器的潜在空间
8.4 小结
8.5 习题与答案
8.6 参考文献
第9章 变分自编码器
9.1 深度生成模型简介
9.2 研究变分自编码器模型
9.3 深度和浅层VAE在MNIST上的性能比较
9.4 生成模型的伦理意蕴
9.5 小结
9.6 习题与答案
9.7 参考文献
第10章 受限玻尔兹曼机
10.1 RBM模型简介
10.2 使用RBM学习数据表示
10.3 比较RBM和AE
10.4 小结
10.5 习题与答案
10.6 参考文献
第三部分 监督深度学习
第11章 深度与广度神经网络
11.1 广度神经网络
11.2 密集深度神经网络
11.3 稀疏深度神经网络
11.4 超参数调优
11.5 小结
11.6 习题与答案
11.7 参考文献
第12章 卷积神经网络
12.1 卷积神经网络简介
12.2 多维卷积
12.3 卷积层
12.4 池化策略
12.5 面向CIFAR-10的卷积神经网络
12.6 小结
12.7 习题与答案
12.8 参考文献
第13章 循环神经网络
13.1 循环神经网络简介
13.2 长短时记忆模型
13.3 序列到向量的模型
13.4 向量到序列的模型
13.5 序列到序列的模型
13.6 伦理意蕴
13.7 小结
13.8 习题与答案
13.9 参考文献
第14章 生成对抗网络
14.1 对抗学习简介
14.2 训练GAN模型
14.3 比较GAN和VAE
14.4 GAN的伦理意蕴
14.5 小结
14.6 习题与答案
14.7 参考文献
第15章 深度学习的未来
15.1 寻找深度学习的前沿话题
15.2 从Packt获取更多资源
15.3 小结
15.4 参考文献
深度学习初学者指南是2022年由机械工业出版社华章分社出版,作者[智] 巴勃罗·里瓦斯。
得书感谢您对《深度学习初学者指南》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
