内容简介
本书分为三部分。第一部分将帮助你快速理解从数据中学习、深度学习基本架构、如何准备数据，以及深度学习中经常使用的基本概念。第二部分将重点介绍无监督学习算法。从自编码器开始，然后转向层数更深、规模更大的神经网络模型。第三部分介绍监督学习算法，你将掌握基本和高级深度学习模型的实现方法，并能够将这些模型用于分类、回归以及从潜在空间生成数据等应用场合。
AI简介
这是一本深度解读深度学习，从理论到实践的综合性教材。全书分为三部分，从机器学习与人工智能的关系开始，深入探讨了深度学习的基本架构、如何准备数据，以及深度学习中经常使用的基本概念。接着，重点介绍了无监督学习算法，从自编码器开始，然后转向层数更深、规模更大的神经网络模型。最后，介绍监督学习算法，你将掌握基本和高级深度学习模型的实现方法，并能够将这些模型用于分类、回归以及从潜在空间生成数据等应用场合。
在第一部分中，本书首先介绍了机器学习与人工智能的关系，然后详细介绍了深度学习框架的搭建与概述，包括Colaboratory、TensorFlow、Keras、PyTorch等框架的使用。接着，讲解了如何准备数据，包括二元数据、分类数据、实值数据的数据准备方法，以及数据增强和降维的技术。最后，深入探讨了从数据中学习的方法，包括学习的目的、度量成功与错误的方法，以及识别过拟合和泛化的策略。
在第二部分中，本书详细介绍了无监督学习算法，包括自编码器、深度自编码器、变分自编码器和受限玻尔兹曼机。这些算法可以用于数据的压缩、降维、特征提取等任务。其中，自编码器是一种无监督学习模型，可以学习数据的压缩
推荐影视
阅读/下载地址