消息首页搜索举报

正版现货新书 TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战 9787302662235 [土]奥汗·亚尔钦（Orhan Yal??n）著汪雄飞陈朗汪荣贵译著

全新正版现货，以书名为准，放心购买，购书咨询18931383650朱老师

44.71 6.5折 69 全新

库存94件

北京丰台

认证卖家担保交易快速发货售后保障

作者[土]奥汗·亚尔钦（Orhan Yal??n）著汪雄飞陈朗汪荣贵译著

出版社清华大学出版社

ISBN9787302662235

出版时间2023-03

装帧平装

开本其他

定价69元

货号17674240

上书时间2024-11-24

黎明书店

十五年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 9小时
好评率暂无

最新上架

正版现货新书白雪公主/经典童话剧场书 9787545554199 英国冰屋出版公司|责编:徐宏//王田田|译者:梅静

正版现货新书大学、中庸、孝经（幼儿大字中华经典诵读教材特大字号，全本注音、简体横排） 9787512684232 谦德书院；谦德文化出品

正版现货新书宋初朋与太平兴国三年进士(修订本)(精) 9787547514283 何冠环

正版现货新书食品学科专业英语(第3版普通高等教育十三五规划教材) 9787565525674 编者:陈宗道//刘雄|责编:赵艳//魏巍

正版现货新书电路与电子技术(Ⅲ模拟电子技术普通高等教育电工电子类课程新形态教材) 9787522601656 编者:刘峰|责编:王玉梅

正版现货新书阿诗有块大花布阿诗的树叶（套装共2册） 9787559726414 符文征著/绘

正版现货新书英语词汇+英语语法易学易练套装(入门级+初级，共4册) 9787521330069 哈珀?柯林斯出版公司

正版现货新书 100个走进英文的中文词 9787561959190 编者:周鹂|责编:周鹂//张天航

正版现货新书名画的诞生给孩子的艺术长卷莫奈在画画 9787115587923 段鹏

商品详情

品相描述：全新

商品描述: 作者简介
汪荣贵，合肥工业大学计算机与信息学院教授，中国人工智能学会离散智能计算专委会委员，安徽省人工智能学会理事，机械工业出版社计算机类教材出版咨询专家；主要研究方向为机器学习与视频图像处理；承担完成国家自然基金企业联合基金、科技部重点研发计划、电子产业基金、安徽省科技攻关重点项目等多个课题，以及中电集团四创电子股份公司等多个企业委托项目；发表80余篇学术论文，近期完成的研究成果获安徽省科技进步二等奖、中电集团科技进步一等奖、合肥市科技进步一等奖，编著出版的《离散数学及其应用》、《算法设计与应用》、《机器学习及其应用》、《机器学习简明教程》深受广大读者好评。

目录
目录第1章绪论 1.1编程语言Python 1.1.1Python发展时间轴 1.1.2Python 2.x与Python 3.x 1.1.3选择Python的原因 1.2机器学习框架TensorFlow 1.2.1TensorFlow发展时间轴 1.2.2选择TensorFlow的原因 1.2.3TensorFlow 2.x的新特点 1.2.4TensorFlow的竞争产品 1.3安装与环境设置 1.4硬件选项和要求第2章机器学习简介 2.1何为机器学习 2.2机器学习的范围及相关邻域 2.2.1人工智能 2.2.2深度学习 2.2.3数据科学 2.2.4大数据 2.2.5分类图 2.3机器学习方式和模型 2.3.1监督学习 2.3.2非监督学习 2.3.3半监督学习 2.3.4强化学习 2.4机器学习的基本步骤 2.4.1数据收集 2.4.2数据准备 2.4.3模型选择 2.4.4训练 2.4.5评价 2.4.6调优超参数 2.4.7预测 2.5小结第3章深度学习与神经网络概述 3.1神经网络和深度学习研究的时间轴 3.2人工神经网络的结构 3.2.1McCullochPitts神经元 3.2.2现代深度神经网络 3.3深度学习的优化算法 3.3.1最优化面临的挑战 3.3.2过度拟合与正则化 3.4小结第4章TensorFlow 2.x的附加程序库 4.1TensorFlow互补程序库的安装 4.1.1使用pip安装 4.1.2程序库的安装 4.2常见程序库 4.2.1NumPy——数组处理 4.2.2SciPy——科学计算 4.2.3Pandas——数组处理与数据分析 4.2.4Matplotlib和Seaborn——数据可视化 4.2.5Scikitlearn——机器学习 4.2.6Flask——部署 4.3小结第5章TensorFlow 2.0与深度学习流程 5.1TensorFlow基础 5.1.1直接执行 5.1.2张量 5.1.3TensorFlow变量 5.2TensorFlow深度学习流程 5.2.1数据加载与准备 5.2.2构建模型 5.2.3编译、训练、评估模型并进行预测 5.2.4保存并加载模型 5.3小结第6章前馈神经网络 6.1深度和浅层前馈神经网络 6.1.1浅层前馈神经网络 6.1.2深度前馈神经网络 6.2前馈神经网络架构 6.3案例分析：燃油经济学与Auto MPG 6.3.1初始安装和导入 6.3.2下载 Auto MPG数据 6.3.3数据准备 6.3.4创建DataFrame 6.3.5丢弃空值 6.3.6处理分类变量 6.3.7将Auto MPG分为训练集和测试集 6.3.8模型构建与训练 6.3.9结果评价 6.3.10使用新的观测数据进行预测 6.4小结第7章卷积神经网络 7.1为什么选择使用卷积神经网络 7.2CNN的架构 7.2.1CNN中的网络层 7.2.2完整的CNN模型 7.3案例研究： MNIST的图像识别 7.3.1下载MNIST数据 7.3.2图像的重塑与标准化 7.3.3构建卷积神经网络 7.3.4模型的编译与调试 7.3.5评价模型 7.3.6保存训练完成的模型 7.4小结第8章循环神经网络 8.1序列数据与时序数据 8.2RNN与序列数据 8.3RNN基础 8.3.1RNN的历史 8.3.2RNN的应用 8.3.3RNN的运作机制 8.3.4RNN的类型 8.4案例研究： IMDB影评的情绪分析 8.4.1为Colab准备GPU加速训练 8.4.2基于TensorFlow导入的数据集加载 8.4.3构建循环神经网络 8.5小结第9章自然语言处理 9.1NLP的历史 9.2NLP的实际应用 9.3主要评估、技术、方法和任务 9.3.1形态句法学 9.3.2语义学 9.3.3语篇 9.3.4语音 9.3.5对话 9.3.6认知 9.4自然语言工具包 9.5案例研究：深度NLP的文本生成 9.5.1案例实现目标 9.5.2莎士比亚语料库 9.5.3初始导入 9.5.4加载语料库 9.5.5文本向量化 9.5.6创建数据集 9.5.7模型构建 9.5.8编译并训练模型 9.5.9使用训练好的模型生成文本 9.6小结第10章推荐系统 10.1构建推荐系统的流行方法 10.1.1协同过滤方法 10.1.2基于内容的过滤 10.1.3构建推荐系统的其他方法 10.2案例开发：深度协同过滤与MovieLens数据集 10.2.1初始导入 10.2.2加载数据 10.2.3数据处理 10.2.4拆分数据集 10.2.5构建模型 10.2.6编译并训练模型 10.2.7进行推荐 10.3小结第11章自动编码器 11.1自动编码器的优缺点 11.2自动编码器的架构 11.2.1自动编码器的各个层 11.2.2深度的优势 11.3自动编码器的变体 11.3.1欠完备自动编码器 11.3.2正则化自动编码器 11.3.3变分自动编码器 11.4自动编码器的应用 11.5案例研发： Fashion MNIST图像降噪 11.5.1初始导入 11.5.2加载并处理数据 11.5.3向图像中添加噪声 11.5.4构建模型 11.5.5噪声图像的降噪 11.6小结第12章生成对抗网络 12.1GAN方法 12.2架构 12.2.1生成器网络 12.2.2判别器网络 12.2.3潜在空间层 12.2.4面临的问题：模式崩溃 12.2.5有关架构的最后注解 12.3GAN的应用 12.3.1艺术与时尚 12.3.2制造与研发 12.3.3电子游戏 12.3.4恶意应用与深度伪造 12.3.5其他应用 12.4案例研发： MNIST数据集的数字生成 12.4.1初始导入 12.4.2加载并处理MNIST数据集 12.4.3构建GAN模型 12.4.4配置GAN模型 12.4.5训练GAN模型 12.4.6图像生成函数 12.5小结参考文献

精彩内容
本书首先介绍深度学习，并与其他机器学习模型进行比较，并阐述与TensorFlow互补的用于创建深度学习模型的技术，如Panda、Scikit-Learn和Numpy。随后介绍有监督的深度学习模型，并使用单层的多个感知器构建浅层神经网络，使用Tensorflow 2.0和Keras API创建真实的应用程序。随后是数据增强和批处理规范化方法，并使用MNIST数据集训练CNN。最后是使用自动编码器的理论应用和无监督学习，以及使用tf-agent模型的强化学习。本书主要面向深度学习和机器学习API领域的数据科学家和程序员。