Applied Deep Learning with Python

Taking an approach that uses the latest developments in the Python ecosystem, you’ll first be guided through the Jupyter ecosystem, key visualization libraries and powerful data sanitization techniques before we train our first predictive model. We’ll explore a variety of approaches to classification like support vector networks, random decision forests and k-nearest neighbours to build out your understanding before we move into more complex territory. It’s okay if these terms seem overwhelming;

这是一本专注于深度学习和机器学习领域的经典教材。这本书以Python为编程语言，详细讲解了深度学习的基本概念、原理和技术，并通过大量的实例和案例，帮助读者理解和掌握深度学习的核心概念和技术。 书中首先介绍了Jupyter Notebook，这是一种流行的数据科学工具，可以帮助读者快速编写和运行代码，同时还可以方便地查看和修改代码。此外，书中还介绍了数据可视化的基本概念和技术，如matplotlib和seaborn等，这些工具可以帮助读者更好地理解和分析数据。 在数据预处理方面，书中详细介绍了如何对数据进行清洗、转换和标准化等操作，以便更好地适应深度学习的模型。此外，书中还介绍了如何使用scikit-learn库来构建和训练各种机器学习模型，如支持向量机、决策树和随机森林等。 在深度学习方面，书中详细介绍了神经网络的基本概念和原理，包括神经元的结构、激活函数和损失函数等。此外，书中还介绍了如何使用TensorFlow和Keras等深度学习框架来构建和训练各种深度学习模型，如卷积神经网络、循环神经网络和生成对抗网络等。 在模型优化方面，书中详细介绍了如何使用交叉验证、正则化和超参数