深度學習工程師認證初級教程

定　價：￥59.00

作　者：	潘海俠，呂科，楊晴虹，白浩杰，檀彥豪著
出版社：	北京航空航天大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥59.00)

ISBN：	9787512432796	出版時間：	2020-04-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書作為深度學習工程師初級認證官方教材，將深度學習理論基礎與平臺操作有機結(jié)合，從算法到實戰(zhàn)，共分6章，第1~4章主要介紹專業(yè)知識，包括數(shù)學基礎、Python基礎、機器學習和深度學習等基礎知識;第5章面向工程實戰(zhàn)能力的訓練，介紹深度學習開發(fā)平臺，特別是飛槳開發(fā)平臺的實戰(zhàn)案例;第6章面向業(yè)務理解與實踐能力的提升，介紹深度學習在各個行業(yè)的應用案例。本書適合人工智能領域的工程師、研發(fā)人員，在校大學生、研究生，跨領域轉(zhuǎn)AI從業(yè)者，以及對深度學習人工智能感興趣的讀者使用。本書提供配套教學內(nèi)容，詳情請訪問：https：//aistudio.baidu.com/。

作者簡介

　　潘海俠北京航空航天大學教授，參與過多個機器智能、ERP系統(tǒng)、物流系統(tǒng)、CRM系統(tǒng)的設計與開發(fā)；主要研究方向包括：人工智能、模式識別、計算機視覺與圖像處理、軟件工程、項目管理。楊晴虹北京航空航天大學教授，博士，碩士生導師。主要研究領域，知識挖掘，大數(shù)據(jù)分析，項目管理，科研管理；北航軟件學院軟件工程碩士；美國卡耐基梅隆大學項目管理學院IT項目管理碩士；北航經(jīng)濟管理學院管理科學與工程專業(yè)博士；美國南康涅狄格州立大學圖書信息科學訪問學者；美國耶魯大學兒童研究中心數(shù)據(jù)分析專家。

圖書目錄

第1章數(shù)學基礎/1
1.1 微積分基礎 /2
1.1.1 極限與積分 /2
1.1.2 導數(shù)和二階導數(shù) /4
1.1.3 方向?qū)?shù)和梯度 /5
1.1.4 凸函數(shù)和極值 /7
1.1.5 最優(yōu)化方法 /8
1.2 概率與統(tǒng)計基礎 /11
1.2.1 古典概率 /11
1.2.2 常用概率分布 /12
1.2.3 貝葉斯公式 /14
1.2.4 假設檢驗 /14
1.3 線性代數(shù)基礎 /17
1.3.1 矩陣和向量 /17
1.3.2 矩陣乘法 /18
1.3.3 矩陣的特征值和特征向量 /19
習題 /20
第2章 Python基礎/21
2.1 Python概論 /22
2.1.1 Python簡介 /22
2.1.2 Python入門 /23
2.2 NumPy函數(shù)庫基礎 /25
2.2.1 NumPy簡介 /25
2.2.2 NumPy入門 /26
2.3 Matplotlib函數(shù)庫基礎 /35
2.3.1 Matplotlib簡介 /35
2.3.2 Matplotlib入門 /35
2.4 Pandas函數(shù)庫基礎 /38
2.4.1 Pandas簡介 /38
2.4.2 Pandas入門 /38
2.5 Sklearn函數(shù)庫基礎 /40
2.5.1 Sklearn簡介 /40
2.5.2 Sklearn入門 /40
習題 /44
第3章機器學習/45
3.1 機器學習概論 /46
3.1.1 監(jiān)督學習概述 /46
3.1.2 無監(jiān)督學習概述 /47
3.1.3 強化學習概述 /49
3.2 監(jiān)督學習 /50
3.2.1 回歸與分類 /50
3.2.2 決策樹 /56
3.2.3 神經(jīng)網(wǎng)絡 /60
3.2.4 樸素貝葉斯 /63
3.2.5 支持向量機 /66
3.3 無監(jiān)督學習 /71
3.3.1 K Means算法 /71
3.3.2 降維 /72
習題 /75
第4章深度學習/78
4.1 深度學習概論 /79
4.1.1 深度學習發(fā)展歷程 /79
4.1.2 深度學習的應用 /82
4.1.3 深度學習框架介紹 /83
4.2 深度學習網(wǎng)絡結(jié)構(gòu) /84
4.2.1 單層神經(jīng)網(wǎng)絡 /84
4.2.2 淺層神經(jīng)網(wǎng)絡 /88
4.2.3 深層神經(jīng)網(wǎng)絡 /92
4.3 卷積網(wǎng)絡 /96
4.3.1 卷積神經(jīng)網(wǎng)絡簡介 /96
4.3.2 卷積神經(jīng)網(wǎng)絡結(jié)構(gòu) /97
4.3.3 經(jīng)典卷積網(wǎng)絡模型 /104
4.4 循環(huán)和遞歸網(wǎng)絡 /112
4.4.1 循環(huán)神經(jīng)網(wǎng)絡 /112
4.4.2 編碼器與解碼器 /116
4.4.3 遞歸神經(jīng)網(wǎng)絡 /118
4.4.4 長短期記憶 /120
深度學習
工程師認證初級教程
4.5 深度生成模型 /122
4.5.1 玻耳茲曼機 /122
4.5.2 深度信念網(wǎng)絡 /125
4.5.3 有向生成網(wǎng)絡 /126
4.5.4 生成隨機網(wǎng)絡 /132
習題 /133
第5章深度學習平臺實戰(zhàn)/135
5.1 深度學習平臺介紹及環(huán)境搭建 /136
5.1.1 飛槳介紹 /136
5.1.2 飛槳環(huán)境搭建 /136
5.2 飛槳入門 /137
5.2.1 數(shù)據(jù)預處理的常規(guī)方法 /137
5.2.2 模型概覽 /138
5.2.3 訓練模型 /138
5.2.4 應用模型 /142
5.3 飛槳典型案例 /144
5.3.1 手寫數(shù)字識別 /144
5.3.2 圖像分類 /152
5.3.3 詞向量 /162
5.3.4 情感分析 /171
5.3.5 語義角色標注 /180
習題 /190
第6章深度學習行業(yè)應用案例介紹/192
6.1 深度學習在計算機視覺中的應用 /193
6.1.1 概述及現(xiàn)狀 /193
6.1.2 圖像分類 /193
6.1.3 目標檢測 /195
6.1.4 圖像分割 /198
6.2 深度學習在自然語言處理中的應用 /200
6.2.1 概述及現(xiàn)狀 /200
6.2.2 機器翻譯 /200
6.2.3 問答系統(tǒng) /202
6.2.4 文本情感分析 /203
6.3 深度學習在推薦系統(tǒng)中的應用 /204
6.3.1 概述及現(xiàn)狀 /204
6.3.2 視頻推薦 /205
6.3.3 CTR預估 /206
6.4 深度學習在語音技術中的應用 /209
6.4.1 概述及現(xiàn)狀 /209
6.4.2 語音識別 /209
6.4.3 語音合成 /211
習題 /212
參考文獻/213