Python深度學習原理、算法與案例
鄧立國 李劍鋒 林慶發 鄧淇文
121人在讀
22.2萬字總字數
¥83.3定價
鄧立國 李劍鋒 林慶發 鄧淇文
本書涵蓋深度學習的專業基礎理論知識，包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡、循環神經網絡、正則化與深度學習優化，以及比較流行的應用場景實踐。本書配套70個示例源碼及PPT課件。 本書共11章外加3個附錄，系統講解深度學習的基礎知識與領域應用實踐。本書內容包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡和循環神經網絡、正則化與深度學習優化、計算機視覺應用、目標檢測應用、文本分析應用、深度強化學習應用、TensorFlow模型應用、Transformer模型應用等。附錄中還給出機器學習和深度學習中用到的數學基礎知識，包括線性代數、概率論和信息論等。 本書適合Python深度學習初學者、深度學習算法開發人員學習，也適合作爲高等院校計算機技術、人工智能、大數據相關專業的教材或教學參考書。
人類日常絕大多數行爲，去探究本質，都可以看作是一個個求解的過程。深度學習的本質，就是讓機器幫助我們找出這個最優解，以後都按照這個最優解去執行就可以了。 比如，一個司機從起點A到達終點B，他要經歷很多的步驟，包括正確啓動汽車、加速減速、遵守道路交通規則、最終安全到達終點。這個過程超級複雜，會受到非常多的變量影響，比如複雜的路況、不同的天氣、突發事件等等。假設10000個司機都從A到達B，那麼一定存在一個最佳司機，他的駕駛方式是最優的，我們只需要搞清楚他是如何做到最優的，然後教會機器也按照這個司機的操作方式去執行，那麼這個機器也會成爲最佳的“司機”。後續，只需要經過不斷的迭代訓練，那麼這個機器將會輕而易舉超過人類司機。 理由如下。首先，機器基本上不會疲憊、可以24小時連軸轉，再優秀的司機也會因爲疲憊而犯錯；其次，人類要達到優秀司機的水準需要經過長時間的訓練，但是第二臺、第三臺乃至無數臺機器只需要複製第一臺機器的程序就可以了；再次，對技能的疊加與進化，人類也明顯落後。 機器的深度學習，也就是Artificial Intelligence（簡稱AI）人工智能，必將深遠影響當今的世界。 等到將來的某一天，機器進化出自我意識，不知道會是人類全新的開始還是地球統治的終結。