書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書)

基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書)

出版社：中國人民大學(xué)出版社出版時間：2021-03-01
開本： 其他 頁數(shù)： 244
中 圖 價:¥38.3(8.5折) 定價  ¥45.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書) 版權(quán)信息

基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書) 內(nèi)容簡介

深度學(xué)習(xí)是一種人工智能, 模仿人腦處理數(shù)據(jù)和創(chuàng)建用于決策的模式方面的工作, 處理用于檢測對象、識別語音、翻譯語言和進行決策的數(shù)據(jù). 本書是深度學(xué)習(xí)入門級教材，有以下特點：
1. 由淺入深, 對于很基本的單層神經(jīng)網(wǎng)絡(luò)到多層神經(jīng)網(wǎng)絡(luò)的前向及后向傳播理論, 從公式到代碼緩慢進階, 做了透徹的解釋, 易于理解及上手。
2. 在基本模塊介紹之后, 對于各種更復(fù)雜的模型并不拘泥于細節(jié), 而是著重介紹其含義, 讓讀者著眼于整體框架及未來發(fā)展。
3. 盡量跟隨新發(fā)展, 書中近期新的模型來自2020年.

基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書) 目錄

**部分 Python 基礎(chǔ)
第 1 章 Python 基礎(chǔ)
1．1引 言
1．2 安 裝
1．3 基本模塊的編程
1．4 NumPy 模塊
1．5 Pandas 模塊
1．6 Matplotlib 模塊
1．7 Python 的類——面向?qū)ο缶幊毯喗?
1．8 習(xí) 題
第二部分 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)及逐步深化
第 2 章 從*簡單的神經(jīng)網(wǎng)絡(luò)說起
2．1 紀元和批次
2．2 神經(jīng)網(wǎng)絡(luò)回歸
2．3 神經(jīng)網(wǎng)絡(luò)分類
第 3 章 有隱藏層的神經(jīng)網(wǎng)絡(luò)
3．1 一個隱藏層的神經(jīng)網(wǎng)絡(luò)
3．2 多個隱藏層的神經(jīng)網(wǎng)絡(luò)
3．3 通過 PyTorch 實現(xiàn)神經(jīng)網(wǎng)絡(luò)初等計算
第三部分 深度學(xué)習(xí)的 PyTorch 實現(xiàn)
第 4 章 神經(jīng)網(wǎng)絡(luò)的 PyTorch 逐步深化
4．1 簡單的人造數(shù)據(jù)回歸
4．2 MNIST 手寫數(shù)字數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)案例
4．3 卷積神經(jīng)網(wǎng)絡(luò)
4．4 MNIST 手 寫 數(shù) 字 數(shù) 據(jù) ( 續(xù))： CNN
4．5 CIFAR10 數(shù)據(jù)圖像 CNN 案例·
第 5 章 遞歸神經(jīng)網(wǎng)絡(luò)
5．1 遞歸神經(jīng)網(wǎng)絡(luò)簡介
5．2 長短期記憶網(wǎng)絡(luò) (LSTM)
5．3 LSTM 預(yù)測句子的例子
5．4 門控遞歸網(wǎng)絡(luò) (GRU)
5．5 數(shù) 據(jù) MNIST 手 寫 數(shù) 字 數(shù) 據(jù) 的GRU 分類例子
5．6 GRU 處理時間序列的例子
第 6 章 PyTorch 文本數(shù)據(jù)分析
6．1 一個簡單的文本分類例子
6．2 序列到序列模型 (seq2seq)
6．3 剖析一個著名 seq2seq 案例
第 7 章 用于自然語言處理的變換器
7．1 變換器的原理
7．2 預(yù)訓(xùn)練模塊Transformers·
7．3 seq2seq 變換器示范代碼
第 8 章 現(xiàn)代 Hopfifield 網(wǎng)絡(luò)
8．1 概論
8．2 傳統(tǒng)的 Hopfifield 網(wǎng)絡(luò)
8．3 現(xiàn)代 Hopfifield 網(wǎng)絡(luò)
8．4 現(xiàn)代 Hopfifield 網(wǎng)絡(luò)例子
第四部分 深度學(xué)習(xí)的 TensorFlow 實現(xiàn)
第 9 章 通過例子進入 TensorFlow
9．1 分類例子： 皮膚病
9．2 回歸例子
9．3 不平衡數(shù)據(jù)分類例子
第 10 章 TensorFlow 案例
10．1 102 種花卉 CNN 分類例子
10．2 通過 RNN 生成文本例子
10．3 IMDB 數(shù)據(jù)文本情感分析案例
10．4 IMDB 數(shù)據(jù)的變換器示范代碼
10．5 圖像分割案例
展開全部

基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書) 節(jié)選

深度學(xué)習(xí)是機器學(xué)習(xí)的一個子領(lǐng)域. 它利用層次化的人工神經(jīng)網(wǎng)絡(luò)來實現(xiàn)機器學(xué)習(xí)的過程. 人工神經(jīng)網(wǎng)絡(luò)類似于人的大腦, 其神經(jīng)元節(jié)點像網(wǎng)絡(luò)一樣連接在一起. 深度學(xué)習(xí)系統(tǒng)的分層功能使機器可以使用非線性方法處理數(shù)據(jù). 它主要用于有監(jiān)督學(xué)習(xí), 也能夠從非結(jié)構(gòu)化或未標記的數(shù)據(jù)中不受監(jiān)督地學(xué)習(xí)網(wǎng)絡(luò). 由于深度學(xué)習(xí)主要使用神經(jīng)網(wǎng)絡(luò), 也稱為深度神 經(jīng)學(xué)習(xí)或深度神經(jīng)網(wǎng)絡(luò). 數(shù)字時代引起了來自世界各地的各種形式的數(shù)據(jù)爆炸式增長. 這些數(shù)據(jù) (簡稱為大數(shù)據(jù)) 來自社交媒體、互聯(lián)網(wǎng)搜索引擎和電子商務(wù)平臺等多種資源. 有大量數(shù)據(jù)易于訪問, 并且可以通過云計算等金融科技應(yīng)用程序共享. 但是, 通常只有非結(jié)構(gòu)化的數(shù)據(jù)如此龐大, 以至于基于傳統(tǒng)方法可能需要數(shù)十年才能理解并提取相關(guān)信息. 人們意識到, 挖掘這些豐富的信息可能會帶來令人難以置信的潛力, 因此, 越來越多地采用諸如深度學(xué)習(xí)這樣的人工智能系統(tǒng)進行自動化支持.

基于Python的數(shù)據(jù)分析叢書深度學(xué)習(xí)入門——基于Python的實現(xiàn)(基于Python的數(shù)據(jù)分析叢書) 作者簡介

吳喜之 北京大學(xué)數(shù)學(xué)力學(xué)系本科畢業(yè)，北卡羅來納大學(xué)統(tǒng)計系博士。中國人民大學(xué)統(tǒng)計學(xué)院教授，博士生導(dǎo)師。曾在南開大學(xué)、北京大學(xué)、加利福尼亞大學(xué)、北卡羅來納大學(xué)等多所著名學(xué)府執(zhí)教。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服