Python深度学习（第2版）

图书标准信息

• 作者 [英]彼得·罗兰茨 (美)瓦伦蒂诺·佐卡
• 出版社 水利水电出版社
• 出版时间 2022-01
• 版次 1
• ISBN 9787517099864
• 定价 89.80元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 264页
• 字数 379.000千字

【内容简介】

《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；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。

【作者简介】

伊万瓦西列夫于2013年在GPU支持下开始研究第1个开源Java深度学习库。该库后被一家德国公司收购并继续开发。伊万·瓦西列夫还曾在深度神经网络医学图像分类和分割领域担任机器学习（Machine Learning，ML）工程师和研究员；从2017年起，开始专注于金融机器学习；现正在研究Python开源算法交易库，该库提供了用于试验各种机器算法的基础架构。伊万·瓦西列夫拥有圣索非亚大学圣克里门特·奥赫里德斯基分校的人工智能硕士学位。

詹马里奥斯帕卡尼亚是“倍耐力”的高级数据科学家，负责处理物联网（IoT）和网联车应用的传感器和遥测数据。他与轮胎机械师、工程师和业务部门紧密合作，以便分析和制定混合动力、物理驱动和数据驱动的汽车模型。他的主攻专业方向是为数据产品构建机器学习系统和端到端解决方案。他拥有都灵理工学院的远程信息处理硕士学位，以及斯德哥尔摩KTH的分布式系统软件工程学位。在加入倍耐力之前，他曾在零售和商业银行（Barclays）、网络安全（Cisco）、预测性营销（AgilOne）中工作，并偶尔从事自由职业。

丹尼尔斯莱特从11岁开始编程，为ID软件公司的Quake游戏开发模组。他对游戏的痴迷使他成为热门游戏“冠军足球经理”的开发人员。然后，他进入金融领域，致力于风险和高性能消息系统。目前他是Skimlinks的一名大数据工程师，负责了解在线用户的行为。他用业余时间训练AI击败计算机游戏。他在技术会议上谈论深度学习和强化学习，其博客地址为www.danielslater.net。他在该领域的工作已被Google引用。

彼得罗兰茨拥有库鲁汶大学计算机科学硕士学位，主修人工智能。他致力于将深度学习应用于各种问题，如光谱成像、语音识别、文本理解和文档信息提取。他目前在Onfido担任数据提取研究小组的组长，主要负责从官方文档中提取数据。

瓦伦蒂诺佐卡拥有博士学位，先后从美国马里兰大学和罗马大学毕业，获得数学学士学位，并在华威大学学习了一个学期。之后他在被波音公司收购的Autometric公司从事高级立体三维地球可视化软件的高科技项目研究，该软件具有头部跟踪功能。他在那里开发了许多数学算法和预测模型，并使用Hadoop实现了多个卫星图像可视化的自动化程序。他曾在美国人口普查局、美国和意大利的企业担任独立顾问。目前，他居住在纽约，并担任一家大型金融公司的独立顾问。

【目录】

章  机器学导论

1.1  机器学概述

1.2  机器学算法

1.2.1  监督学

1.线回归和逻辑回归

2.支持向量机

3.决策树

4.朴素贝叶斯

1.2.2  无监督学

k-means

1.2.3  强化学

q-learning

1.2.4  机器学组件

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

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  深度学基础

3.1  深度学导论

3.2  深度学的基本概念

3.3  深度学算法

3.3.1  深度网络

当代深度学简史

3.3.2  训练深度网络

3.4  深度学的应用

3.5  深度学流行的原因

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  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  强化学理论

第9章  游戏深度强化学

0章  自动驾驶深度学