本書介紹內容包括支持向量機、線性回歸、決策樹、遺傳算法、深度神經網路（VGG、GooleLeNet、Resnet、MobileNet、EfficientNet）、循環神經網路（LSTM、GRU、Attention）、生成對抗網路（DCGAN、WGAN-GP）、自編碼器、各種聚類算法、目標檢測算法（YOLO、MTCNN）以及強化學習，有助於人工智慧新人搭建一個全面且有用的基礎框架。 ？本書包含8個實戰，分別是：決策樹、MNIST手寫數字分類、GAN基礎之手寫數字生成、GAN最佳化、風格遷移、目標檢測（YOLO）、人臉檢測（MTCNN）和自然語言處理。8個實戰可以讓讀者對PyTorch的使用達到較高水平。
基本介紹
- 書名：深度學習理論與實戰——PyTorch案例詳解
- 作者：陳亦新
- 出版社：清華大學出版社
圖書目錄,作者簡介,
圖書目錄
目錄 第1章支持向量機 1．1SVM的原理 1．2SVM求解 1．3核函式 1．4軟間隔 1．5小結 第2章線性回歸與非線性回歸 2．1線性回歸 2．1．1線性回歸問題的一般形式 2．1．2線性回歸中的最最佳化問題 2．1．3問題的求解 2．2非線性回歸分析 2．3初見梯度下降 2．4Python圖解梯度下降 2．5小結 第3章基於規則的決策樹模型 3．1決策樹發展史 3．2決策樹算法 3．2．1ID3算法 3．2．2C4．5 3．2．3CART 3．2．4隨機森林 3．3Boosting家族 3．3．1XGBoost 3．3．2LightGBM 3．3．3CatBoost 3．4小結 第4章遺傳算法家族 4．1遺傳算法 4．1．1編碼 4．1．2初始化種群 4．1．3自然選擇 4．1．4交叉重組 4．1．5基因突變 4．1．6收斂 4．1．7遺傳算法總結 4．2蟻群算法 4．2．1螞蟻系統 4．2．2精英螞蟻系統 4．2．3最大最小螞蟻系統 4．2．4小結 第5章神經網路 5．1基本組成 5．1．1神經元 5．1．2層 5．2反向傳播 5．2．1複習 5．2．2鋪墊 5．2．3公式推導 5．3反向傳播神經網路 5．4卷積神經網路 5．4．1卷積運算 ...
作者簡介
陳亦新 碩士，技術作家，涉及人工智慧、圖像處理和醫學等多個領域，是一名熱愛AI算法、立志AI落地造福社會的普通人。他因心思細膩、擅長換位思考、為人熱情，常常被評價為一名優秀的知識傳播者。
