| 作 者： | 刘子瑛 |
| 出版社： | 北京大学出版社 |
| 丛编项： | |
| 版权说明： | 本书为公共版权或经版权方授权，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
目 录
绪论?程序员为什么要学习机器学习
0.1?工业革命级的技术红利
0.2?中美两国为机器学习作背书
0.3?从编程思维向数据思维的进化
第1章?30分钟环境搭建速成
1.1?使用Anaconda搭建开发环境
1.2?使用Python自带的开发环境
1.3?从源代码搭建开发环境
第2章?深度学习5-4-6速成法
2.1?计算图模型与计算框架
2.2?五步法构造基本模型
2.3?案例教程
2.4?5-4-6速成法学习PyTorch
2.5?5-4-6速成法学习TensorFlow
2.6?在TensorFlow中使用Keras
2.7?本章小结
第3章?张量与计算图
3.1?0维张量：标量
3.2?计算图与流程控制
3.3?变量
第4章?向量与矩阵
4.1?1维张量：向量
4.2?2维张量：矩阵
4.3?n维：张量
第5章?高级矩阵编程
5.1?范数及其实现
5.2?迹运算
5.3?矩阵分解
第6章?优化方法
6.1?梯度下降的基本原理
6.2?高维条件下的梯度下降
6.3?PyTorch和TensorFlow中的梯度计算
6.4?梯度下降案例教程
6.5?优化方法进阶
第7章?深度学习基础
7.1?从回归到分类
7.2?深度学习简史
第8章?基础网络结构：卷积网络
8.1?卷积的原理与计算
8.2?池化层
8.3?激活函数
8.4?AlexNet
第9章?卷积网络图像处理进阶
9.1?小卷积核改进VGGNet
9.2?GoogLeNet
9.3?残差网络
9.4?目标检测
9.5?人脸识别
第10章?基础网络结构：循环神经网络
10.1?循环神经网络原理
10.2?实用循环神经网络：LSTM
10.3?LSTM案例教程
10.4?实用循环神经网络：GRU
10.5?双向循环神经网络
10.6?将隐藏状态串联起来
第11章?RNN在自然语言处理中的应用
11.1?文本编码：从独热编码到词向量
11.2?Char-RNN算法
11.3?Char-RNN的训练
11.4?Char-RNN的预测推理
11.5?Char-RNN完整模型
第12章?用JavaScript进行TensorFlow编程
12.1?TensorFlow.js的简介和安装
12.2?TensorFlow.js的张量操作
12.3?TensorFlow.js的常用运算
12.4?激活函数
12.5?TensorFlow.js变量
12.6?TensorFlow.js神经网络编程
12.7?TensorFlow.js实现完整模型
12.8?TensorFlow.js的后端接口
第13章?高级编程
13.1?GPU加速
13.2?生成对抗网络
13.3?Attention机制
13.4?多任务学习
第14章?超越深度学习
14.1?自动机器学习AutoML
14.2?Autokeras
14.3?Windows Subsystem for Linux
14.4?强化学习
14.5?强化学习编程
14.6?下一步的学习方法
