神经网络设计与实现
正版新书 新华官方库房直发 可开电子发票
￥ 58.74 6.6折 ￥ 89 全新
库存4件
作者(英)列奥纳多·德·马尔希,(英)劳拉·米切尔
出版社机械工业出版社
ISBN9787111683506
出版时间2021-06
版次1
装帧平装
开本16开
纸张胶版纸
页数216页
定价89元
货号SC:9787111683506
上书时间2024-05-07
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
列奥纳多·德·马尔希(Leonardo De Marchi)
目前是Badoo的数据科学家主管，Badoo是全球优选的交友网站之一，拥有超过4亿名用户。他也是ideai.io(一家专门从事机器学习培训的公司）的首席教练，为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士学位，曾在体育界担任数据科学家。
主编推荐:
神经网络在深度学习和人工智能中发挥着非常重要的作用，其应用领域非常广泛，涵盖从医疗诊断、财务预测到机器诊断等多个领域。 本书旨在指导你以实用的方式学习神经网络。书中将简要介绍感知器网络，从而帮助你入门。然后，你将获得有关机器学习的见解，并了解人工智能的未来。接下来，你将研究如何使用嵌入来处理文本数据，并学习长短期记忆网络在解决常见自然语言处理问题中的作用。 本书还将演示如何实现高级概念，包括迁移学习、生成对抗网络、自编码器和强化学习，以及有关神经网络领域新进展的更多内容。 在完成本书的学习后，你将掌握构建、训练和优化自己的神经网络模型所需的技能，该模型能够提供可预测的解决方案。通过阅读本书，你将：·了解如何使用反向传播训练网络。·了解迁移学习的概念，以使用Keras和VGG网络解决任务。·探索如何加载和转换图像以用于神经网络。·掌握LSTM和NLP等高级、复杂的深度学习概念，以掌握近期新知识。·研究如何将神经网络应用于多个领域。·探索创新算法，例如生成对抗网络和深度强化学习。·解决神经网络开发面临的共同挑战。
内容简介:
神经网络在深度学习和人工智能中发挥着非常重要的作用，其应用领域非常广泛，涵盖从医疗诊断、财务预测到机器诊断等多个领域。本书旨在指导你以实用的方式学习神经网络。书中将简要介绍感知器网络，从而帮助你入门。然后，你将获得有关机器学习的见解，并了解人工智能的未来。接下来，你将研究如何使用嵌入来处理文本数据，并学习长短期记忆网络在解决常见自然语言处理问题中的作用。本书还将演示如何实现高级概念，包括迁移学习、生成对抗网络、自编码器和强化学习，以及有关神经网络领域新进展的更在完成本书的学习后，你将掌握构建、训练和优化自己的神经网络模型所需的技能，该模型能够提供可预测的解决方案。通过阅读本书，你将：了解如何使用反向传播训练网络。了解迁移学习的概念，以使用Keras和VGG网络解决任务。探索如何加载和转换图像以用于神经网络。掌握LSTM和NLP等高级、复杂的深度学习概念，以掌握近期新知识。研究如何将神经网络应用于多个领域。探索创新算法，例如生成对抗网络和深度强化学习。解决神经网络开发面临的共同挑战。
目录:
译者序
前言
第一部分 神经网络入门
第1章 有监督学习入门
1.1 人工智能的历史
1.2 机器学习概述
1.2.1 有监督学习
1.2.2 无监督学习
1.2.3 半监督学习
1.2.4 强化学习
1.3 配置环境
1.3.1 了解虚拟环境
1.3.2 Anaconda
1.3.3 Docker
1.4 Python有监督学习实践
1.5 特征工程
1.6 有监督学习算法
1.6.1 指标
1.6.2 模型评估
1.7 总结
第2章 神经网络基础
2.1 感知器
2.2 Keras
2.3 前馈神经网络
2.3.1 反向传播介绍
2.3.2 激活函数
2.3.3 Keras实现
2.4 从头开始使用Python编写FFNN
2.4.1 FFNN的Keras实现
2.4.2 TensorBoard
2.4.3 XOR问题中的TensorBoard
2.5 总结
第二部分 深度学习应用
第3章 基于卷积神经网络的图像处理
3.1 理解卷积神经网络
3.2 卷积层
3.2.1 池化层
3.2.2 丢弃层
3.2.3 归一化层
3.2.4 输出层
3.3 Keras中的卷积神经网络
3.3.1 加载数
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价