《深度學習工程師認證初級教程》是2020年北京航空航天大學出版社出版的圖書，作者是潘海俠、呂科、楊晴虹、白浩傑、檀彥豪。
基本介紹
- 書名：深度學習工程師認證初級教程
- 作者：潘海俠、呂科、楊晴虹、白浩傑、檀彥豪
- 出版社：北京航空航天大學出版社
- ISBN：9787512432796
內容簡介,作者簡介,目錄,
內容簡介
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台操作有機結合,從算法到實戰,共分6章,第1~4章主要介紹專業知識,包括數學基礎、Python基礎、機器學習和深度學習等基礎知識;第5章面向工程實戰能力的訓練,介紹深度學習開發平台,特別是飛槳開發平台的實戰案例;第6章面向業務理解與實踐能力的提升,介紹深度學習在各個行業的套用案例。
本書適合人工智慧領域的工程師、研發人員,在校大學生、研究生,跨領域轉AI從業者,以及對深度學習人工智慧感興趣的讀者使用。
本書提供配套教學內容,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 、參與過多個機器智慧型、ERP系統、物流系統、CRM系統的設計與開發；主要研究方向包括：人工智慧、模式識別、計算機視覺與圖像處理、軟體工程、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、大數據分析、項目管理、科研管理； 北航軟體學院軟體工程碩士；美國卡耐基梅隆大學項目管理學院IT項目管理碩士；北航經濟管理學院管理科學與工程專業博士；美國南康乃狄克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據分析專家。
目錄
第1章 數學基礎/1
1.1 微積分基礎 /2
1.1.1 極限與積分 /2
1.1.2 導數和二階導數 /4
1.1.3 方嚮導數和梯度 /5
1.1.4 凸函式和極值 /7
1.1.5 最最佳化方法 /8
1.2 機率與統計基礎 /11
1.2.1 古典機率 /11
1.2.2 常用機率分布 /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 矩陣的特徵值和特徵向量 /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函式館基礎 /25
2.2.1 NumPy簡介 /25
2.2.2 NumPy入門 /26
2.3 Matplotlib函式館基礎 /35
2.3.1 Matplotlib簡介 /35
2.3.2 Matplotlib入門 /35
2.4 Pandas函式館基礎 /38
2.4.1 Pandas簡介 /38
2.4.2 Pandas入門 /38
2.5 Sklearn函式館基礎 /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 監督學習概述 /46
3.1.2 無監督學習概述 /47
3.1.3 強化學習概述 /49
3.2 監督學習 /50
3.2.1 回歸與分類 /50
3.2.2 決策樹 /56
3.2.3 神經網路 /60
3.2.4 樸素貝葉斯 /63
3.2.5 支持向量機 /66
3.3 無監督學習 /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 深度學習發展歷程 /79
4.1.2 深度學習的套用 /82
4.1.3 深度學習框架介紹 /83
4.2 深度學習網路結構 /84
4.2.1 單層神經網路 /84
4.2.2 淺層神經網路 /88
4.2.3 深層神經網路 /92
4.3 卷積網路 /96
4.3.1 卷積神經網路簡介 /96
4.3.2 卷積神經網路結構 /97
4.3.3 經典卷積網路模型 /104
4.4 循環和遞歸網路 /112
4.4.1 循環神經網路 /112
4.4.2 編碼器與解碼器 /116
4.4.3 遞歸神經網路 /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 深度信念網路 /125
4.5.3 有向生成網路 /126
4.5.4 生成隨機網路 /132
習 題 /133
第5章 深度學習平台實戰/135
5.1 深度學習平台介紹及環境搭建 /136
5.1.1 飛槳介紹 /136
5.1.2 飛槳環境搭建 /136
5.2 飛槳入門 /137
5.2.1 數據預處理的常規方法 /137
5.2.2 模型概覽 /138
5.2.3 訓練模型 /138
5.2.4 套用模型 /142
5.3 飛槳典型案例 /144
5.3.1 手寫數字識別 /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 語義角色標註 /180
習 題 /190
第6章 深度學習行業套用案例介紹/192
6.1 深度學習在計算機視覺中的套用 /193
6.1.1 概述及現狀 /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套用 /200
6.2.1 概述及現狀 /200
6.2.2 機器翻譯 /200
6.2.3 問答系統 /202
6.2.4 文本情感分析 /203
6.3 深度學習在推薦系統中的套用 /204
6.3.1 概述及現狀 /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套用 /209
6.4.1 概述及現狀 /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
