Python深度學習(2021年清華大學出版社出版的圖書)

《Python深度學習》是2021年清華大學出版社出版的圖書。

基本介紹

• 書名：Python深度學習
• 作者：編者:王志立|責編:趙佳霓
• 出版社：清華大學出版社
• 出版時間：2021年1月1日
• 開本：16 開
• 裝幀：平裝
• ISBN：9787302555223

內容簡介

深度學習是人工智慧技術和研究領域之一，通過建立階層人工神經網路在計算機實現人工智慧。通過本課程的學習，讀者可以了解Python開發環境構建、Python基礎、網路爬蟲的數據採集、深度學習BP神經網路、卷積神經網路、循環神經網路、遺傳算法和進化策略等。本課程理論與實踐並重，配套教學視頻，知識體系完整全面，讀者通過本教程的學習可以構建屬於自己的深度學習知識體系，了解人工智慧的發展趨勢和新技術，並可以往自己感興趣的方向深挖。本書可作為人工智慧初學者的入門書目，也可作為具備一定知識背景的讀者的學習參考書籍。

圖書目錄

目錄

第1章導論

1.1本書學習路線

1.2人工智慧與深度學習

1.3深度學習的算法流程

1.3.1特徵工程

1.3.2模型評估

1.4總結

第2章Python開發環境搭建

2.1Linux伺服器

2.1.1下載與安裝

2.1.2使用mobaxterm連線遠程伺服器

2.1.3在伺服器上安裝Python開發環境

2.1.4Jupyter Notebook的使用

2.2Windows平台

2.2.1下載Anaconda

2.2.2安裝配置

2.2.3安裝路徑配置

2.2.4系統環境配置

2.2.5在Windows上使用Jupyter Notebook

2.3使用Anaconda國內源

2.3.1更換清華源

2.3.2更換中科大源

2.3.3pip設定永久阿里雲源

2.4Python虛擬環境

2.4.1創建Python虛擬環境

2.4.2切換虛擬環境

2.4.3在虛擬環境中安裝額外的包

2.4.4虛擬環境的相關命令

2.5PyCharm遠程連線伺服器

2.5.1下載PyCharm專業版

2.5.2PyCharm連線虛擬環境

2.5.3使用screen進行任務管理

2.6總結

第3章Python基礎

3.1Python簡介

3.2Python初階學習

3.2.1變數賦值

3.2.2標準數據類型

3.2.3數據類型轉換

3.2.4算術運算符

3.2.5格式化

3.3Python進階學習

3.3.1循環

3.3.2條件語句

3.3.3檔案I/O

3.3.4異常

3.3.5導包

3.4Python高階學習

3.4.1面向過程編程

3.4.2面向對象編程

3.4.3面向過程與面向對象的區別

3.5正則表達式

3.5.1re.match

3.5.2re.search

3.5.3re.sub

3.5.4re.compile 函式與findall

3.5.5正則表達式的重點

3.6進程與執行緒

3.6.1多進程的例子

3.6.2多執行緒例子

3.7總結

第4章深度學習

4.1Keras簡介

4.1.1Keras的優點

4.1.2Keras的缺點

4.1.3Keras的安裝

4.2全連線神經網路

4.2.1全連線神經網路簡介

4.2.2全連線神經網路原理

4.2.3全連線神經網路小結

4.3卷積神經網路

4.3.1全連線神經網路的缺點

4.3.2卷積神經網路原理

4.3.3卷積神經網路與全連線神經網路的區別

4.3.4卷積層

4.3.5局部連線和權值共享

4.3.6池化層

4.3.7訓練

4.3.8卷積神經網路的超參數設定

4.3.9卷積神經網路小結

4.4超參數

4.4.1過擬合

4.4.2最佳化器

4.4.3學習率

4.4.4常見的激勵函式

4.4.5常見的損失函式

4.4.6其他超參數

4.4.7超參數設定小結

4.5自編碼器

4.5.1自編碼器的原理

4.5.2常見的自編碼器

4.5.3自編碼器小結

4.6RNN與RNN的變種結構

4.6.1RNN與全連線神經網路的區別

4.6.2RNN的優勢

4.6.3其他RNN結構

4.6.4LSTM

4.6.5門控循環單元

4.6.6RNN與RNN變種結構小結

4.7代碼實踐

4.7.1全連線神經網路回歸——房價預測

4.7.2全連線神經網路與文本分類

4.7.3卷積神經網路之文本分類

4.7.4卷積神經網路之圖像分類

4.7.5自編碼器

4.7.6LSTM實例之預測股價趨勢

4.8總結

第5章生成對抗網路

5.1生成對抗網路的原理

5.2生成對抗網路的訓練過程

5.3實驗

5.3.1代碼

5.3.2結果分析

5.4總結

第6章遺傳算法與神經網路

6.1遺傳演化神經網路

6.1.1遺傳算法原理

6.1.2遺傳算法整體流程

6.1.3遺傳算法遇上神經網路

6.1.4演化神經網路實驗

6.2遺傳拓撲神經網路

6.2.1遺傳拓撲神經網路原理

6.2.2算法核心

6.2.3NEAT實驗

6.3總結

第7章遷移學習與計算機視覺

7.1計算機視覺

7.1.1圖像分類

7.1.2目標檢測

7.1.3語義分割

7.1.4實例分割

7.2計算機視覺遇上遷移學習

7.2.1VGG

7.2.2VGG16與圖像分類

7.2.3VGG16與目標檢測

7.2.4VGG16與語義分割

7.2.5ResNeXt與實例分割

7.3遷移學習與計算機視覺實踐

7.3.1實驗環境

7.3.2實驗流程

7.3.3代碼

7.3.4結果分析

7.4總結

第8章遷移學習與自然語言處理

8.1自然語言處理預訓練模型

8.1.1Word2Vec

8.1.2BERT

8.1.3RoBERTa

8.1.4ERNIE

8.1.5BERT_WWM

8.1.6NLP預訓練模型對比

8.2自然語言處理四大下游任務

8.2.1句子對分類任務

8.2.2單句子分類任務

8.2.3問答任務

8.2.4單句子標註任務

8.3遷移學習與自然語言處理競賽實踐

8.3.1賽題背景

8.3.2賽題任務

8.3.3數據說明

8.3.4環境搭建

8.3.5賽題分析

8.3.6實驗代碼

8.4總結

參考文獻

作者簡介

王志立 2019及2020 CCF大數據與計算智慧型大賽**級獎項獲得者，並獲得了2019第七屆CCF BDCI 大數據與計算智慧型大賽“網際網路金融新實體發現”全國二等獎，2020北京數據開放創新套用大賽——科技戰疫·大數據公益挑戰賽全國第三名，2020年“中興捧月神算師”算法精英挑戰賽全國第二名等多個**級AI競賽獎項。曾在國際與國內的學術會議上發表學術論文多篇，先後在騰訊等多家知名企業從事大數據與人工智慧算法開發。樂於分享人工智慧相關知識。