深度学习工程师认证初级教程

图书标准信息

• 作者 潘海侠；吕科；杨晴虹；白浩杰；檀彦豪
• 出版社 北京航空航天大学出版社
• 出版时间 2020-04
• 版次 1
• ISBN 9787512432796
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 215页
• 字数 298千字

【内容简介】

本书作为深度学习工程师初级认证官方教材,将深度学习理论基础与平台操作有机结合,从算法到实战,共分6章,第1~4章主要介绍专业知识,包括数学基础、Python基础、机器学习和深度学习等基础知识;第5章面向工程实战能力的训练,介绍深度学习开发平台,特别是飞桨开发平台的实战案例;第6章面向业务理解与实践能力的提升,介绍深度学习在各个行业的应用案例。
  本书适合人工智能领域的工程师、研发人员,在校大学生、研究生,跨领域转AI从业者,以及对深度学习人工智能感兴趣的读者使用。
  本书提供配套教学内容,详情请访问:https://aistudio.baidu.com/。

【作者简介】

潘海侠 北京航空航天大学教授 ，参与过多个机器智能、ERP系统、物流系统、CRM系统的设计与开发；主要研究方向包括：人工智能、模式识别、计算机视觉与图像处理、软件工程、项目管理。

杨晴虹 北京航空航天大学教授，博士，硕士生导师。主要研究领域，知识挖掘，大数据分析，项目管理，科研管理； 北航软件学院软件工程硕士；美国卡耐基梅隆大学项目管理学院IT项目管理硕士；北航经济管理学院管理科学与工程专业博士；美国南康涅狄格州立大学图书信息科学访问学者；美国耶鲁大学儿童研究中心数据分析专家。

【目录】

第1章 数学基础/1

1.1 微积分基础 /2

1.1.1 极限与积分 /2

1.1.2 导数和二阶导数 /4

1.1.3 方向导数和梯度 /5

1.1.4 凸函数和极值 /7

1.1.5 最优化方法 /8

1.2 概率与统计基础 /11

1.2.1 古典概率 /11

1.2.2 常用概率分布 /12

1.2.3 贝叶斯公式 /14

1.2.4 假设检验 /14

1.3 线性代数基础 /17

1.3.1 矩阵和向量 /17

1.3.2 矩阵乘法 /18

1.3.3 矩阵的特征值和特征向量 /19

习 题 /20

第2章 Python基础/21

2.1 Python概论 /22

2.1.1 Python简介 /22

2.1.2 Python入门 /23

2.2 NumPy函数库基础 /25

2.2.1 NumPy简介 /25

2.2.2 NumPy入门 /26

2.3 Matplotlib函数库基础 /35

2.3.1 Matplotlib简介 /35

2.3.2 Matplotlib入门 /35

2.4 Pandas函数库基础 /38

2.4.1 Pandas简介 /38

2.4.2 Pandas入门 /38

2.5 Sklearn函数库基础 /40

2.5.1 Sklearn简介 /40

2.5.2 Sklearn入门 /40

习 题 /44

第3章 机器学习/45

3.1 机器学习概论 /46

3.1.1 监督学习概述 /46

3.1.2 无监督学习概述 /47

3.1.3 强化学习概述 /49

3.2 监督学习 /50

3.2.1 回归与分类 /50

3.2.2 决策树 /56

3.2.3 神经网络 /60

3.2.4 朴素贝叶斯 /63

3.2.5 支持向量机 /66

3.3 无监督学习 /71

3.3.1 K Means算法 /71

3.3.2 降 维 /72

习 题 /75

第4章 深度学习/78

4.1 深度学习概论 /79

4.1.1 深度学习发展历程 /79

4.1.2 深度学习的应用 /82

4.1.3 深度学习框架介绍 /83

4.2 深度学习网络结构 /84

4.2.1 单层神经网络 /84

4.2.2 浅层神经网络 /88

4.2.3 深层神经网络 /92

4.3 卷积网络 /96

4.3.1 卷积神经网络简介 /96

4.3.2 卷积神经网络结构 /97

4.3.3 经典卷积网络模型 /104

4.4 循环和递归网络 /112

4.4.1 循环神经网络 /112

4.4.2 编码器与解码器 /116

4.4.3 递归神经网络 /118

4.4.4 长短期记忆 /120

深度学习

工程师认证初级教程

4.5 深度生成模型 /122

4.5.1 玻耳兹曼机 /122

4.5.2 深度信念网络 /125

4.5.3 有向生成网络 /126

4.5.4 生成随机网络 /132

习 题 /133

第5章 深度学习平台实战/135

5.1 深度学习平台介绍及环境搭建 /136

5.1.1 飞桨介绍 /136

5.1.2 飞桨环境搭建 /136

5.2 飞桨入门 /137

5.2.1 数据预处理的常规方法 /137

5.2.2 模型概览 /138

5.2.3 训练模型 /138

5.2.4 应用模型 /142

5.3 飞桨典型案例 /144

5.3.1 手写数字识别 /144

5.3.2 图像分类 /152

5.3.3 词向量 /162

5.3.4 情感分析 /171

5.3.5 语义角色标注 /180

习 题 /190

第6章 深度学习行业应用案例介绍/192

6.1 深度学习在计算机视觉中的应用 /193

6.1.1 概述及现状 /193

6.1.2 图像分类 /193

6.1.3 目标检测 /195

6.1.4 图像分割 /198

6.2 深度学习在自然语言处理中的应用 /200

6.2.1 概述及现状 /200

6.2.2 机器翻译 /200

6.2.3 问答系统 /202

6.2.4 文本情感分析 /203

6.3 深度学习在推荐系统中的应用 /204

6.3.1 概述及现状 /204

6.3.2 视频推荐 /205

6.3.3 CTR预估 /206

6.4 深度学习在语音技术中的应用 /209

6.4.1 概述及现状 /209

6.4.2 语音识别 /209

6.4.3 语音合成 /211

习 题 /212

参考文献/213