首页 > 图书中心 >图书详情

深度学习理论与实战——PyTorch案例详解

提供代码,咨询QQ:2301891038。系统论述人工智能的理论、思想与算法实战

作者:陈亦新
定价:89
印次:1-1
ISBN:9787302568506
出版日期:2021.02.01
印刷日期:2021.01.13

本书介绍内容包括支持向量机、线性回归、决策树、遗传算法、深度神经网络(VGG、GooleLeNet、Resnet、MobileNet、EfficientNet)、循环神经网络(LSTM、GRU、Attention)、生成对抗网络(DCGAN、WGAN-GP)、自编码器、各种聚类算法、目标检测算法(YOLO、MTCNN)以及强化学习,有助于人工智能新人搭建一个全面且有用的基础框架。 ?本书包含8个实战,分别是:决策树、MNIST手写数字分类、GAN基础之手写数字生成、GAN优化、风格迁移、目标检测(YOLO)、人脸检测(MTCNN)和自然语言处理。8个实战可以让读者对PyTorch的使用达到较高水平。

more >

前言 人工智能、Python、深度学习可以说是越来越重要了。现在的毕业生找工作,了解这些内容肯定是一个加分项,然而人工智能领域入门学习的引导做得并不充分。在入门学习过程中,重要的应该是读者对这个领域宏观框架的搭建,而非基础、古老算法的数学推导证明。本书注重激发读者对这个领域的学习热情,感受这个领域的魅力,并且用通俗诙谐的语言帮助大家理解每一个概念。 本书对AI领域的每个方面都有涉及,介绍的模型大多数也是现在行业从事者经常使用的模型,所以读者通过本书的学习,会提升对人工智能的理解,并打消对这个专业的恐惧(并不是像电视上那样,人工智能大战人类)。 本书各章节的主要内容如下: (1) 第1章支持向量机和第2章线性回归,这两章可以说是全书最简单也是数据分析比赛中最不可能用到的传统模型了(不够智能),所以这两章注重数学分析和推导,建议数学功底不扎实的读者跳过。 (2) 第3章决策树和第4章遗传算法,也属于传统模型,但是现在依然在使用,讲解过程通俗易懂。 (3) 第5~11章全面介绍了神经网络,神经网络是人工智能的基础,图像处理、自然语言处理、强化学习、无监督学习都是基于神经网络的,这一部分讲解通俗易懂,大家认真读一定可以理解。 (4) 第12~19章提供了基于PyTorch实现的8个实战,都非常值得学习,讲解非常透彻。 (5) 第20章和第21章是常见问题解答。虽然和人工智能关系不紧密,但都是扩展知识,也许将来就是你写论文的灵感来源之一。 本书因为内容涵盖广泛,又希望读者理解透彻,所以这里给出阅读意见,不同水平、不同目的的读者可参考不同的阅读路线。  第20章和第21章是一些基础知识,建议读者在学习之前可以先大致浏览一下,留下一些印象,之后在学习这本书的主体的时候遇到不懂的地方可以及时来查询。  虚线框内的内容是这本书最重要、最核心的主体部分,其中最主要的是神经网络路线。在学习主体部分的时候,建议按照图中标注的顺序进行学习,这样可以在学习基础概念之后,利用基础实战加深印象,然后学习进阶概念,再学习进阶实战。  第1、2章涉及的支持向量机和线性回归可以作为挑战自己数学水平的基础章节(不管是否看得懂,都不影响后面的学习)。这两章的内容非常基础,所以放在这里作为挑战(目的是让读者知道: 不要以为看懂了这本书就飘飘然,本书只是基础入门而已)。  在虚线框外面还有3个实战,这3个实战有难度。如果完成的话,可以在简历里面写上自己完成了3个小项目。 由于作者水平有限,本书中难免出现各种不足,敬请读者不吝批评指正。 陈亦新 2020年7月

more >
扫描二维码
下载APP了解更多

同系列产品more >

AI源码解读:机器学习案例(Python...

李永华
定 价:109元

查看详情
自动驾驶

张宏亮、徐利民、曾文达
定 价:49元

查看详情
AI源码解读:循环神经网络(RNN)...

李永华 曲宗峰 李红伟
定 价:89元

查看详情
机器视觉——使用HALCON描述与实现

杜斌
定 价:109元

查看详情
机器学习原理与实践(Python版)

左飞,补彬
定 价:89元

查看详情
图书分类全部图书
more >
  • 陈亦新  硕士,技术作家,涉及人工智能、图像处理和医学等多个领域,是一名热爱AI算法、立志AI落地造福社会的普通人。他因心思细腻、擅长换位思考、为人热情,常常被评价为一名优秀的知识传播者。他撰写的技术公众号“机器学习炼丹术”在短短2个月内收获上万粉丝,被粉丝称为炼丹兄
  • 系统讨论人工智能原理并辅以具体实例,“讲解+代码”方式便于读者理解并学以致用。
    讲解诙谐通俗,基础理论深入讲,前沿模型通俗说。
    内容广泛,任何想进入人工智能领域的人都可以构建出一个相当全面的认知。
more >
  • 目录

    第1章支持向量机

    1.1SVM的原理

    1.2SVM求解

    1.3核函数

    1.4软间隔

    1.5小结

    第2章线性回归与非线性回归

    2.1线性回归

    2.1.1线性回归问题的一般形式

    2.1.2线性回归中的最优化问题

    2.1.3问题的求解

    2.2非线性回归分析

    2.3初见梯度下降

    2.4Python图解梯度下降

    2.5小结

    第3章基于规则的决策树模型

    3.1决策树发展史

    3.2决策树算法

    3.2.1ID3算法

    3.2.2C4.5

    3.2.3CART

    3.2.4随机森林

    3.3Boosting家族

    3.3.1XGBoost

    3.3.2LightGBM

    3.3.3CatBoost

    3.4小结

    第4章遗传算法家族

    4.1遗传算法

    4.1.1编码

    4.1.2初始化种群

    4.1.3自然选择

    4.1.4交叉重组

    4.1.5基因突变

    4.1.6收敛

    4.1.7遗传算法总结

    4.2蚁群算法

    4.2.1蚂蚁系统

    4.2.2精英蚂蚁系统

    4.2.3最大最小蚂蚁系统

    4.2.4小结

    第5章神经网络

    5.1基本组成

    5.1.1神经元

    5.1.2层

    5.2反向传播

    5.2.1复习

    5.2.2铺垫

    5.2.3公式推导

    5.3反向传播神经网络

    5.4卷积神经网络

    5.4.1卷积运算

    ...

精彩书评more >

标题

评论

版权所有(C)2019 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802013248号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘