Python深度学习(第2版)9787517099864
正版图书，可开发票，请放心购买。
￥ 56.32 6.3折 ￥ 89.8 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者[美]瓦伦蒂诺·佐卡
出版社中国水利水电出版社
ISBN9787517099864
出版时间2021-11
装帧平装
开本16开
定价89.8元
货号11358633
上书时间2024-12-14
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
瓦伦蒂诺·佐卡（Valentino Zocca）拥有罗马大学数学硕士学位，后又获得了美国马里兰大学的数学博士学位。其博士论文涉及辛几何（symplectic geometry）内容。瓦伦帝诺曾在英国华威大学工作过一个学期，在巴黎攻读完博士后学位，他去了美国华盛顿哥伦比亚特区，在那里开始了他的职业生涯。当时，他就职于Autometric公司（后被波音公司收购），作为不错立体3D地球可视化软件设计、开发和实现方面的关键人员参与了一项高科技项目。在波音公司工作期间，他开发了许多数学算法和预测模型，并且用Hadoop实现了多个卫星图形可视化程序的自动化。源于在这一领域的积累，他成了一名机器学习和深度学习方面的专家，还曾在意大利米兰和美国纽约举办过机器学习和深度学习方面的研讨会。 瓦伦蒂诺目前居住在纽约，在一家大型金融公司担任独立顾问，负责为公司开发计量经济模型，并利用机器学习和深度学习技术创建预测模型。
目录
第1章 机器学习导论
1.1 机器学习概述
1.2 机器学习算法
1.2.1 监督学习
1.线性回归和逻辑回归
2.支持向量机
3.决策树
4.朴素贝叶斯
1.2.2 无监督学习
K-means
1.2.3 强化学习
Q-learning
1.2.4 机器学习组件
1.3 神经网络
PyTorch简介
1.4 小结
第2章 神经网络
2.1 神经网络的重要性
2.2 神经网络概述
2.2.1 神经元概述
2.2.2 层概述
2.2.3 多层神经网络
2.2.4 不同类型的激活函数
2.2.5 综合案例
2.3 训练神经网络
2.3.1 线性回归
2.3.2 逻辑回归
2.3.3 反向传播
2.3.4 XOR函数的神经网络的代码示例
2.4 小结
第3章 深度学习基础
3.1 深度学习导论
3.2 深度学习的基本概念
3.3 深度学习算法
3.3.1 深度网络
当代深度学习简史
3.3.2 训练深度网络
3.4 深度学习的应用
3.5 深度学习流行的原因
3.6 流行的开源库
3.6.1 TensorFlow、Keras、PyTorch简介
1.TensorFlow
2.Keras
3.PyTorch
3.6.2 使用Keras对手写数字进行分类
3.6.3 使用Keras对物体图像进行分类
3.7 小结
第4章 基于卷积神经网络的计算机视觉
4.1 卷积神经网络的直观解释
4.2 卷积层
……
第5章 不错计算机视觉
第6章 使用VAE和GAN生成图像
第7章 循环神经网络和语言模型
第8章 强化学习理论
第9章 游戏深度强化学习
0章 自动驾驶深度学习
内容摘要
《Python深度学习（第2版）》系统地讲解了机器学习、深度学习、强化学习理论知识，揭秘了各种神经网络架构如卷积神经网络、循环神经网络、长短期记忆网络和胶囊网络背后的原理和实际应用；讲解了如何使用高性能的算法和常用的Python框架来进行训练，以及如何解决计算机视觉、自然语言处理和语音识别等领域的问题；还讲解了生成模型方法以及如何使用变分自编码器和生成式对抗网络来生成图像；最后深入研究强化学习的新发展领域，并介绍了一些优选热门游戏Go、Atari和Dota背后的算法。学习完本书，读者可以精通深度学习理论及其在现实世界中的应用。《Python深度学习（第2版）》一书面向数据科学从业者、机器学习工程师以及对深度学习感兴趣的读者，也适合作为高校计算机专业的教材使用。
主编推荐
精彩内容
《Python深度学习(第2版)》系统地讲解了机器学习、深度学习、强化学习理论知识，揭秘了各种神经网络架构如卷积神经网络、循环神经网络、长短期记忆网络和胶囊网络背后的原理和实际应用；讲解了如何使用高性能的算法和常用的Python框架来进行训练，以及如何解决计算机视觉、自然语言处理和语音识别等领域的问题；还讲解了生成模型方法以及如何使用变分自编码器和生成式对抗网络来生成图像；最后深入研究强化学习的新发展领域，并介绍了一些先进热门游戏Go、Atari和Dota背后的算法。学习完本书，读者可以精通深度学习理论及其在现实世界中的应用。
《Python深度学习(第2版)》一书面向数据科学从业者、机器学习工程师以及对深度学习感兴趣的读者，也适合作为高校计算机专业的教材使用。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价