Python 快樂(lè)編程 人工智能—深度學(xué)習(xí)基礎(chǔ)(“好程序員成長(zhǎng)”叢書)
定 價(jià):49 元
- 作者:千鋒教育高教產(chǎn)品研發(fā)部
- 出版時(shí)間:2020/11/1
- ISBN:9787302529132
- 出 版 社:清華大學(xué)出版社
- 中圖法分類:TP311.561
- 頁(yè)碼:
- 紙張:膠版紙
- 版次:1
- 開本:16K
本書是學(xué)習(xí)Python編程語(yǔ)言的入門書籍。Python是一種很流行的開源編程語(yǔ)言,可以在各種領(lǐng)域中用于編寫?yīng)毩⒌某绦蚝湍_本。Python免費(fèi)、可移植、功能強(qiáng)大,而且使用起來(lái)相當(dāng)容易。來(lái)自軟件產(chǎn)業(yè)各個(gè)角落的程序員都已經(jīng)發(fā)現(xiàn),Python對(duì)于開發(fā)者效率和軟件質(zhì)量的關(guān)注,這無(wú)論在大項(xiàng)目還是小項(xiàng)目中都是一個(gè)戰(zhàn)略性的優(yōu)點(diǎn)。
《Python快樂(lè)編程:人工智能深度學(xué)習(xí)基礎(chǔ)/“好程序員成長(zhǎng)”叢書》共14章,由淺入深,涵蓋了深度學(xué)習(xí)基礎(chǔ)知識(shí)、數(shù)學(xué)基礎(chǔ)、感知機(jī)、反向傳播算法、自編碼器、玻爾茲曼機(jī)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)。每章均附有課后練習(xí)及解析,相應(yīng)課件等配套資源。力求講解簡(jiǎn)單易懂,努力營(yíng)造相對(duì)輕松愉快的學(xué)習(xí)氛圍,幫助讀者快速入門深度學(xué)習(xí)領(lǐng)域。
第1章 深度學(xué)習(xí)簡(jiǎn)介
1.1 什么是機(jī)器學(xué)習(xí)
1.2 什么是深度學(xué)習(xí)
1.2.1 深度學(xué)習(xí)的發(fā)展
1.2.2 深度學(xué)習(xí)的3個(gè)層次
1.2.3 深度學(xué)習(xí)的3種結(jié)構(gòu)類型
1.3 深度學(xué)習(xí)的研究現(xiàn)狀
1.4 本章小結(jié)
1.5 習(xí)題
第2章 Theano基礎(chǔ)
2.1 初識(shí)Theano
2.2 安裝Theano
2.3 配置環(huán)境變量
2.4 Theano中的符號(hào)變量
2.5 Theano編程風(fēng)格
2.6 Theano中的函數(shù)
2.6.1 函數(shù)的定義
2.6.2 函數(shù)的復(fù)制
2.6.3 Theano中重要的函數(shù)
2.7 Theano中的符號(hào)計(jì)算圖模型
2.7.1 variable節(jié)點(diǎn)
2.7.2 type節(jié)點(diǎn)
2.7.3 apply節(jié)點(diǎn)
2.7.4 op節(jié)點(diǎn)
2.7.5 符號(hào)計(jì)算圖模型
2.8 Theano中的條件表達(dá)式
2.9 Theano中的循環(huán)
2.9.1 scan循環(huán)的參數(shù)
2.9.2 scan循環(huán)演示
2.1O Theano中的常用Debug技巧
2.11 本章小結(jié)
2.12 習(xí)題
第3章 線性代數(shù)基礎(chǔ)
3.1 標(biāo)量、向量、矩陣和張量
3.2 線性相關(guān)與生成子空間
3.2.1 線性組合
3.2.2 線性相關(guān)
3.2.3 向量組的秩
3.2.4 實(shí)例:求解方程組
3.2.5 實(shí)例:線性回歸
3.3 范數(shù)
3.3.1 向量范數(shù)
3.3.2 矩陣范數(shù)
3.4 特殊的矩陣與向量
3.5 特征值分解
3.6 奇異值分解
3.7 跡運(yùn)算
3.8 本章小結(jié)
3.9 習(xí)題
第4章 概率與信息論
4.1 概率的用途
4.2 樣本空間與隨機(jī)變量
4.3 隨機(jī)變量的分布函數(shù)
4.4 一維隨機(jī)變量
4.4.1 離散型隨機(jī)變量和分布律
4.4.2 連續(xù)型隨機(jī)變量和概率密度函數(shù)
4.4.3 分辨離散型隨機(jī)變量和連續(xù)型隨機(jī)變量
4.5 多維隨機(jī)變量
4.5.1 二維隨機(jī)變量及其分布函數(shù)
4.5.2 邊緣分布函數(shù)
4.6 數(shù)學(xué)期望、方差、協(xié)方差
4.6.1 數(shù)學(xué)期望
4.6.2 方差
4.6.3 協(xié)方差
4.7 貝葉斯規(guī)則
4.7.1 條件概率
……
第5章 深度學(xué)習(xí)基礎(chǔ)知識(shí)
第6章 數(shù)值計(jì)算與最優(yōu)化
第7章 概率圖模型
第8章 前饋神經(jīng)網(wǎng)絡(luò)
第9章 反向傳播與梯度計(jì)算
第10章 自編碼器
第11章 玻爾茲曼機(jī)及其相關(guān)模型
第12章 循環(huán)神經(jīng)網(wǎng)絡(luò)
第13章 遞歸神經(jīng)網(wǎng)絡(luò)
第14章 卷積神經(jīng)網(wǎng)絡(luò)