分类 深度学习电子书 下的文章

1、GAN原理介绍生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。GAN出自[...]

1、封面介绍2、出版时间2019年5月3、推荐理由《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的最优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验[...]

1、封面介绍2、出版时间2020年2月3、推荐理由《人工智能基础 数学知识》的目标在于拉低机器学习入门的门槛，揭开人工智能理论层面的神秘面纱。《人工智能基础 数学知识》假设读者没有深厚的理工背景，完全站在一个迫切想入门人工智能的外行的角度上，力争让每个有兴趣、有热情的读者不会在人工智能的大潮中落伍。《人工智能基础 数学知识》结合工程应用场景以及Py[...]

1、封面介绍2、出版时间2021年1月3、推荐理由这是一本权威的人工智能从入门到精通的读本从人工智能的发展之路说起，结合丰富的应用与实战实例，详细阐述了Python入门、人工智能数学基础、手工打造神经网络、TensorFlow与PyTorch、卷积神经网络、目标分类、目标检测、图像语义分割、循环神经网络、自然语言处理、生成对抗网络、强化学习等行业前[...]

1、封面介绍2、出版时间2021年1月3、推荐理由本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书也用几个D立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、[...]

1、封面介绍2、出版时间2021年2月3、推荐理由本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。[...]

1、封面介绍2、出版时间2020年1月3、推荐理由本书是一本系统介绍深度学习基础知识和理论原理的入门书籍。本书从神经网络的基本结构入手，详细推导了前向传播与反向传播的数学公式和理论支持，详细介绍了如今各种优化神经网络的梯度优化算法和正则化技巧，给出了在实际应用中的超参数调试和网络训练的技巧。同时，也介绍了典型的卷积神经网络（CNN）和循环神经网络（[...]

1、封面介绍2、出版时间2018年11月3、推荐理由适读人群 ：本书主要面向对TensorFlow、深度学习、人工智能具有强烈兴趣且希望尽快入门的相关从业人员、高校相关专业的教育工作者和在校学生，以及正在从事深度学习工作且希望深入的数据科学家、软件工程师、大数据平台工程师、项目管理者等。《TensorFlow进阶指南：基础、算法与应用》是由人工智能[...]

1、封面介绍2、出版时间2017年8月3、推荐理由技术畅销书《白话大数据与机器学习》姊妹篇，YY大数据专家撰写，李学凌、朱频频、王庆法、王海龙联袂推荐。以插图、类比和大量示例趣说深度学习网络的关键理念、算法与TensoeFlow实践，涵盖BP网络、CNN、RNN、受限玻尔兹曼机、深度残差网络、强化学习、对抗学习，以及多个有趣应用。本书基本独立成册，[...]

1、封面介绍2、出版时间2020年5月3、推荐理由《TensorFlow深度学习从入门到进阶》以TensorFlow为主线进行讲解，书中每章节都以理论引出，以TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。《TensorFlow深度学习从入门到进阶》共11章，主要包括TensorFlow与深度网络、T[...]