深度學習：入門與實踐 ( 簡體 字) |
| 作者：龍飛 王永興 | 類別：1. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 47686
詢問書籍請說出此書號！【有庫存】
NT售價： 245 元 |
| 出版日：10/1/2017 |
| 頁數：187 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302482789 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：中國工程院院士、互聯網專家鄔賀銓在移動互聯網國際研討會（IMIC2014）上指出，互聯網已經進入“大智移云”（大數據、智能化、移動互聯網和云計算）時代。近兩年來，“大智移云”得到了蓬勃發展。其中，大數據、人工智能聯系緊密，受到了業界和學術界越來越多的關注。中國科學院張鈸院士在第十七屆中國國際高新技術成果交易會的“深度學習與人工智能”院士論壇上表示，大數據給人工智能帶來了新的發展機遇，即深度學習。
深度學習其實并不神秘，小到微信中語音轉文字、“掃一掃”中的封面識別和翻譯，大到打敗世界頂尖棋手李世?的谷歌圍棋人工智能程序AlphaGo，都有深度學習的身影。隨著技術的進步，相信深度學習將會深入人們的生活中，得到越來越廣泛的應用。
本書是一種關于深度學習的入門讀物，面向的是希望了解深度學習技術的高年級理工科本科生和研究生，還有業界對深度學習感興趣的技術人士。為了能讓深度學習零基礎的技術人員快速上手，筆者力求按照初學者的學習歷程來組織本書內容。對于初學者來說，如何才能以最快的速度了解一門技術并產生興趣？筆者以為需要做到三點：首先需要對技術的基本原理有透徹的了解；其次需要對技術的總體框架和脈絡有所掌握；再次需要有容易上手的實例以供實踐。最終達到理論與實踐的結合，具體原理與知識整體框架的統一。
有鑒于此，本書比較注重對深度學習基本原理的闡釋，對深度學習及其所屬的機器學習的框架性內容的探討，還有筆者所參與的項目的實例分享。希望按照筆者的理解，將深度學習的原理、框架和實踐分享給對深度學習感興趣的人士。由于深度學習是機器學習的一個領域，為了體系的完整性，本書會介紹一些機器學習的基本知識，并由此引出深度學習的內容。
全書分為四大部分：第一部分介紹機器學習的基礎知識；第二部分介紹深度學習的原理；第三部分介紹當前熱門的深度學習工具Caffe和Tensorflow；第四部分介紹強化學習基本原理和人工智能圍棋程序AlphaGo的架構。每部分都會配有可實現之實例以供印證所述原理。本書主要參考了南京大學周志華教授的《機器學習》，Andrew Ng（吳恩達）的UFLDL和Coursera機器學習課程，微軟Li Deng和Dong Yu的Deep Learning: Methods and Applications，Michael Nielsen的Neural Networks and Deep Learning等資料。這些資料充分體現了機器學習領域的諸位前輩高人們深厚的學養和高超的技藝，對筆者啟發頗多，借此機會向吳恩達教授等前輩高人致敬！
深度學習的發展非常迅速，國內外巨頭科技公司都不惜重金對此投入，故技術更新極快。而筆者對本領域初窺門徑，水平有限，加之成書時間倉促，欠妥之處在所難免，讀者朋友們若不吝相告，則不勝感激。
本書中涉及的所有代碼、圖片文件和數據集等都上傳至百度云盤，讀者可自行下載，以供實驗之用。
作者
2017年3月
|
內容簡介：本書由一線資深技術專家撰寫，凝結了其自身多年的實踐經驗，闡述了深度學習的發展歷程、相關概念和工作原理，介紹了兩個當前流行的深度學習工具：Caffe 和TensorFlow ，并且初步探討了強化學習的基本原理和應用。為了幫助初學者快速上手，本書注重從總體框架和脈絡上把握深度學習技術，同時在闡述原理時配以簡單的實例供讀者印證。
本書語言生動風趣，以通俗的語言講述復雜的原理，循循善誘，深入淺出，適合有志于從事人工智能、深度學習相關研究的信息類專業的高年級本科生或研究生閱讀，也可供業界準備或正在從事深度學習、機器視覺等相關研發工作的工程技術人員參考。 |
目錄：第1章緒論
1.1引言
1.2基本概念
1.2.1回歸、分類、聚類
1.2.2監督學習、非監督學習、半監督學習、強化學習
1.2.3感知機、神經網絡
1.3發展歷程
1.4相關學者與會議或賽事
1.5本章小結
參考文獻
第2章回歸
2.1線性回歸
2.1.1問題描述
2.1.2問題求解
2.1.3工具實現
2.2邏輯回歸
2.2.1問題描述
2.2.2問題求解
2.2.3工具實現
2.3本章小結
參考文獻
第3章人工神經網絡
3.1Rosenblatt感知機
3.1.1訓練方法
3.1.2算法實例
3.1.3梯度下降
3.2人工神經網絡
3.2.1網絡架構
3.2.2訓練方法
3.2.3算法實例
3.3本章小結
參考文獻
深度學習：入門與實踐
目錄
第4章Caffe簡介
4.1CNN原理
4.1.1卷積
4.1.2池化
4.1.3LeNet拟5
4.2Caffe架構
4.2.1Blob類
4.2.2Layer類
4.2.3Net類
4.2.4Solver類
4.3Caffe應用實例
4.3.1車型識別
4.3.2目標檢測
4.4本章小結
參考文獻
第5章TensorFlow簡介
5.1TensorFlow架構
5.2TensorFlow簡單應用
5.2.1TensorFlow安裝
5.2.2線性回歸
5.3TensorFlow高級應用
5.3.1MNIST手寫數字識別
5.3.2車型識別
5.4本章小結
參考文獻
第6章強化學習簡介
6.1強化學習基本原理
6.2AlphaGo基本架構
6.3其他趣味應用
6.4本章小結
參考文獻
后記
|
| 序： |
