《Keras深度學習：入門、實戰與進階》是由2021年10月機械工業出版社出版的圖書。
基本介紹
- 書名：Keras深度學習：入門、實戰與進階
- 作者：謝佳標
- 類別：科技
- 出版社：機械工業出版社
- 出版時間：2021年10月
- 頁數：423 頁
- 定價：109.00 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111691501
作品簡介,目錄,
作品簡介
這是一本理論與實踐兼顧的深度學習著作，它通過精心的內容組織和豐富的案例講解，能讓讀者零基礎入門，並迅速晉級為有一定理論基礎和項目實戰能力的高手。
基礎方面，不僅介紹了Keras等各種深度學習框架的使用和開發環境的搭建，還對深度學習的基礎知識做了全面講解；
套用層面，不僅講解了如何用Keras開發各種深度學習模型，而且還講解了深度學習在圖像處理和文本處理兩大核心場景的套用；
實戰方面，每個深度學習模型原理的背後都有精心設計的Keras實現代碼，每章都有多個綜合性案例，讀者可以在調試和執行代碼的過程中掌握深度學習模型設計與開發的各種方法和技巧。
本書內容結構合理，重點突出；寫作方式循序漸進，易於讀者理解；行文風格幽默風趣，讀起來不枯燥。
目錄
推薦語
前言
第1章準備深度學習的環境
1.1 機器學習與深度學習
1.2 主流深度學習框架介紹
1.3 配置深度學習的軟體環境
1.4 Keras構建深度學習模型
1.5 本章小結
第2章深度學習簡介
2.1 神經網路基礎
2.2 最佳化網路的方法
2.3 防止模型過擬合
2.4 綜合實例：電信流失用戶預測
2.5 本章小結
第3章如何用Keras開發深度學習模型
3.1 Keras模型的生命周期
3.2 Keras模型
3.3 模型可視化
3.4 Keras中的回調函式
3.5 模型保存及序列化
3.6 本章小結
第4章深度學習的圖像數據預處理
4.1 圖像處理EBImage包
4.2 利用Keras進行圖像預處理
4.3 綜合實例：對彩色花圖像進行分類
4.4 本章小結
第5章全連線神經網路的經典實例
5.1 回歸問題實例：波士頓房阿榆厚付價預測
5.2 多分類實例：鳶尾花分類
5.3 二分類實例：印第安人糖尿病診斷
5.4 二分類實例：鐵達尼號上旅客生存預測
5.5 多分類實例：彩色手寫數字圖像識別
5.6 本章小結
第6章卷積神經網路及圖像分類
6.1 卷積神經網路原理
6.2 多分類實例：小數據集的圖像識別
6.3 多分類實例：彩色手寫數字圖像識別
6.4 多分類實例：CIFAR-10圖像識別
6.5 本章小結
第7章循環神經網路提朵擔
7.1 簡單循環網路
7.2 長短期記憶網路（LSTM）
7.3 門控循環單元（GRU）
7.4 本章小結
第8章自編碼器
8.1 自編碼器介紹
8.2 實例：使用自編碼器預測信用風險
8.3 實例：使用自編碼器建立推薦系統
8.4 本章小結
第踏滲設9章生成式對抗網路
9.1 生成式對抗網路簡介
9.2 實例：使用GAN生成手寫數字
9.3 實例：深度卷積生成式對抗網路
9.4 本章小結
第10章說滲循使用R語言進行文本挖掘
10.1 文本挖掘流程
10.2 相關R包簡介及安裝
10.3 tm包快速上手
10.4 tmcn包快速上手
10.5 Rwordseg包快速上手
10.6 jiebaR包快速上手
10.7 tidytext包快速上手
10.8 本章小結
第11章如何使用Keras處理文本數據
11.1 使用text_to_word_sequence分詞
11.2 使用獨熱編碼
11.3 分詞器Tokenizer
11.4 使用pad_sequences填充文本序列
11.5 詞嵌入
11.6 本章小結
第12章情感分析實例：IMDB影評情感分析
12.1 IMDB數據集
12.2 利用機器學習進行情感分析
12.3 利用深度學習進行情感分析
12.4 本章小結
第13章中文文本分類實例：新浪新聞分類實例
13.1 SPORT數據集
13.2 利用機器學習迎煮朵進行文本分類
13.3 利用深度學習進行文本分類
13.4 本章小結
第14章通酷諒己習過預訓練模型實現遷移學習
14.1 遷移學習概述
14.2 Keras預訓練模型概述
14.3 VGGNet卷積網路模遷洪型
14.4 ResNet卷積網路模型
14.5 本章小結
第7章循環神經網路
7.1 簡單循環網路
7.2 長短期記憶網路（LSTM）
7.3 門控循環單元（GRU）
7.4 本章小結
第8章自編碼器
8.1 自編碼器介紹
8.2 實例：使用自編碼器預測信用風險
8.3 實例：使用自編碼器建立推薦系統
8.4 本章小結
第9章生成式對抗網路
9.1 生成式對抗網路簡介
9.2 實例：使用GAN生成手寫數字
9.3 實例：深度卷積生成式對抗網路
9.4 本章小結
第10章使用R語言進行文本挖掘
10.1 文本挖掘流程
10.2 相關R包簡介及安裝
10.3 tm包快速上手
10.4 tmcn包快速上手
10.5 Rwordseg包快速上手
10.6 jiebaR包快速上手
10.7 tidytext包快速上手
10.8 本章小結
第11章如何使用Keras處理文本數據
11.1 使用text_to_word_sequence分詞
11.2 使用獨熱編碼
11.3 分詞器Tokenizer
11.4 使用pad_sequences填充文本序列
11.5 詞嵌入
11.6 本章小結
第12章情感分析實例：IMDB影評情感分析
12.1 IMDB數據集
12.2 利用機器學習進行情感分析
12.3 利用深度學習進行情感分析
12.4 本章小結
第13章中文文本分類實例：新浪新聞分類實例
13.1 SPORT數據集
13.2 利用機器學習進行文本分類
13.3 利用深度學習進行文本分類
13.4 本章小結
第14章通過預訓練模型實現遷移學習
14.1 遷移學習概述
14.2 Keras預訓練模型概述
14.3 VGGNet卷積網路模型
14.4 ResNet卷積網路模型
14.5 本章小結
