深度学习图解
全新正版 极速发货
￥ 60.14 6.1折 ￥ 99 全新
库存11件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)安德鲁·特拉斯克|责编:王军//韩宏志|译者:王晓雷//严烈
出版社清华大学
ISBN9787302540991
出版时间2020-01
装帧其他
开本其他
定价99元
货号1202004026
上书时间2024-05-28
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
深度学习是人工智能的一个分支，受到人类大脑的启发，致力于指导计算机用神经网络进行学习。在线文本翻译、自动驾驶、商品推荐和智能语音助手等一系列令人兴奋的现代技术应用领域，都在深度学习的辅助下取得了突破性进展。
《深度学习图解》指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家AndrewW.Trask以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用Python语言及其最基本的数学库NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚一样写作！当你完成这一切后，就为成为精通深度学习框架的专家做好了充分准备！
目录
第1章 深度学习简介：为什么应该学习深度学习 1
1.1 欢迎阅读《深度学习图解》 1
1.2 为什么要学习深度学习 2
1.3 这很难学吗? 3
1.4 为什么要阅读本书 3
1.5 准备工作 4
1.6 你可能需要掌握一部分Python知识 5
1.7 本章小结 6
第2章 基本概念：机器该如何学习？ 7
2.1 什么是深度学习? 7
2.2 什么是机器学习？ 8
2.3 监督机器学习 9
2.4 无监督机器学习 10
2.5 参数学习和非参数学习 10
2.6 监督参数学习 11
2.7 无监督参数学习 13
2.8 非参数学习 14
2.9 本章小结 15
第3章 神经网络预测导论：前向传播 17
3.1 什么是预测 17
3.2 能够进行预测的简单神经网络 19
3.3 什么是神经网络? 20
3.4 这个神经网络做了什么? 21
3.5 使用多个输入进行预测 23
3.6 多个输入：这个神经网络做了什么? 24
3.7 多个输入：完整的可运行代码 29
3.8 预测多个输出 30
3.9 使用多个输入和输出进行预测 32
3.10 多输入多输出神经网络的工作原理 33
3.11 用预测结果进一步预测 35
3.12 NumPy快速入门 37
3.13 本章小结 40
第4章 神经网络学习导论：梯度下降 41
4.1 预测、比较和学习 41
4.2 什么是比较 42
4.3 学习 42
4.4 比较：你的神经网络是否做出了好的预测？ 43
4.5 为什么需要测量误差？ 44
4.6 最简单的神经学习形式是什么？ 45
4.7 冷热学习 46
4.8 冷热学习的特点 47
4.9 基于误差调节权重 48
4.10 梯度下降的一次迭代 50
4.11 学习就是减少误差 52
4.12 回顾学习的步骤 54
4.13 权重增量到底是什么? 55
4.14 狭隘的观点 57
4.15 插着小棍的盒子 58
4.16 导数：两种方式 59
4.17 你真正需要知道的 60
内容摘要
深度学习的基础科学原理自行设计和训练神经网络隐私保护的知识，包括联邦学习帮助你继续深度学习之旅的建议
— 没有更多了 —
以下为对购买帮助不大的评价