作者简介
西山居的大数据架构师与大数据专家，有多年编程经验（多年日本和澳洲工作经验）、多年大数据架构设计与数据分析、处理经验，目前负责西山居的市场战略与产品战略。专注于大数据系统架构以及变现研究。擅长数据挖掘、数据建模、关系型数据库应用（Hadoop、Spark、Cassandra、Prestodb应用）。负责西山居紫霞系统——大数据日志处理系统的系统架构与设计工作。同时，也是重庆工商大学管理科学与工程专业，硕士研究生事业导师。
目录
目录?Contents
本书赞誉
序
前 言
基 础 篇
第1章 机器学习是什么2
1.1 聚类4
1.2 回归5
1.3 分类8
1.4 综合应用10
1.5 小结14
第2章 深度学习是什么15
2.1 神经网络是什么15
2.1.1 神经元16
2.1.2 激励函数19
2.1.3 神经网络24
2.2 深度神经网络25
2.3 深度学习为什么这么强28
2.3.1 不用再提取特征28
2.3.2 处理线性不可分29
2.4 深度学习应用30
2.4.1 围棋机器人——AlphaGo30
2.4.2 被教坏的少女——Tai.ai32
2.4.3 本田公司的大宝贝——
ASIMO33
2.5 小结37
第3章 TensorFlow框架特性与安装38
3.1 简介38
3.2 与其他框架的对比39
3.3 其他特点40
3.4 如何选择好的框架44
3.5 安装TensorFlow45
3.6 小结46
原理与实践篇
第4章 前馈神经网络50
4.1 网络结构50
4.2 线性回归的训练51
4.3 神经网络的训练75
4.4 小结79
第5章 手写板功能81
5.1 MNIST介绍81
5.2 使用TensorFlow完成实验86
5.3 神经网络为什么那么强92
5.3.1 处理线性不可分93
5.3.2 挑战“与或非”95
5.3.3 丰富的VC——强大的空间
划分能力98
5.4 验证集、测试集与防止过拟合99
5.5 小结102
第6章 卷积神经网络103
6.1 与全连接网络的对比103
6.2 卷积是什么104
6.3 卷积核106
6.4 卷积层其他参数108
6.5 池化层109
6.6 典型CNN网络110
6.7 图片识别114
6.8 输出层激励函数——SOFTMAX116
6.8.1 SOFTMAX116
6.8.2 交叉熵117
6.9 小试牛刀——卷积网络做图片分类124
6.10 小结138
第7章 综合问题139
7.1 并行计算139
7.2 随机梯度下降142
7.3 梯度消失问题144
7.4 归一化147
7.5 参数初始化问题149
7.6 正则化151
7.7 其他超参数155
7.8 不.....的模型156
7.9 DropOut157
7.10 小结158
第8章 循环神经网络159
8.1 隐马尔可夫模型159
8.2 RNN和BPTT算法163
8.2.1 结构163
8.2.2 训练过程163
8.2.3 艰难的误差传递165
8.3 LSTM算法167
8.4 应用场景171
8.5 实践案例——自动文本生成174
8.5.1 RNN工程代码解读174
8.5.2 利用RNN学习莎士比亚剧本183
8.5.3 利用RNN学习维基百科184
8.6 实践案例——聊天机器人185
8.7 小结196
扩 展 篇
第9章 深度残差网络198
9.1 应用场景198
9.2 结构解释与数学推导200
9.3 拓扑解释205
9.4 Github示例207
9.5 小结207
第10章 受限玻尔兹曼机209
10.1 结构209
10.2 逻辑回归210
10.3 最大似然度212
10.4 最大似然度示例214
10.5 损失函数215
10.6 应用场景216
10.7 小结216
第11章 强化学习217
11.1 模型核心218
11.2 马尔可夫决策过程219
11.2.1 用游戏开刀221
11.2.2 准备工作223
11.2.3 训练过程224
11.2.4 问题226
11.2.5 Q-Learning算法228
11.3 深度学习中的Q-Learning——DQN231
11.3.1 OpenAI Gym234
11.3.2 Atari游戏237
11.4 小结238
第12章 对抗学习239
12.1 目的239
12.2 训练模式240
12.2.1 二元极小极大博弈240
12.2.2 训练242
12.3 CGAN244
12.4 DCGAN247
12.5 小结252
第13章 有趣的深度学习应用254
13.1 人脸识别254
13.2 作诗姬259
13.3 梵高附体264
13.3.1 网络结构265
13.3.2 内容损失268
13.3.3 风格损失270
13.3.4 系数比例271
13.3.5 代码分析272
13.4 小结279
附录A VMware Workstation的安装280
附录B Ubuntu虚拟机的安装284
附录C Python语言简介290
附录D 安装Theano296
附录E 安装Keras297
附录F 安装CUDA298
参考文献303
序言
Preface?序时代的巨轮已经驶入了21世纪第二个十年的后半，科技的发展速度一次一次超越我们的想象力，给我们带来无限的惊喜。
近两年最为吸睛的当属谷歌的阿尔法围棋程序大胜人类围棋大师——先有李世乭九段不敌，后有柯洁九段落败，围棋这样一个长期以来人类一直可以傲视人工智能的领域也被计算机所征服。
到现在，靠机器人来扫地，靠刷脸来取钱，靠自动驾驶来周游世界已然不是什么科幻小说中的内容了，这些事情已经真实地发生在我们的身边。
人工智能正在逐渐在每个细节上改变我们的生产能力，改变我们的生活。
这种可以把人从大量繁冗重复的劳动中解放出来的高新科技领域在未来二三十年，甚至更为长远的时间内都会是最为吸引人的研究方向。
包括深度学习在内的人工智能应用技术在每个人类涉足的领域都将发挥越来越大的作用。
我坚信，和其他历史上出现过的先进技术一样，这些知识与技术将越来越平民化，就像PC一样逐渐成为每个人在工作中都不可或缺的工具。
我想每一个时代的弄潮儿都不应错过在这波澜壮阔的历史新纪元中的每一朵浪花。
这本书概念清晰，语言平实，实例讲解丰富，是一本非常适合入门的深度学习读本，尤其是对公式推导做了最大程度的白话解释与避让，使得可读性大大增强。
相信每位读者都能从中汲取到相应的知识与启发。
——李学凌，欢聚时代董事长兼CEO
西山居的大数据架构师与大数据专家，有多年编程经验（多年日本和澳洲工作经验）、多年大数据架构设计与数据分析、处理经验，目前负责西山居的市场战略与产品战略。专注于大数据系统架构以及变现研究。擅长数据挖掘、数据建模、关系型数据库应用（Hadoop、Spark、Cassandra、Prestodb应用）。负责西山居紫霞系统——大数据日志处理系统的系统架构与设计工作。同时，也是重庆工商大学管理科学与工程专业，硕士研究生事业导师。
目录
目录?Contents
本书赞誉
序
前 言
基 础 篇
第1章 机器学习是什么2
1.1 聚类4
1.2 回归5
1.3 分类8
1.4 综合应用10
1.5 小结14
第2章 深度学习是什么15
2.1 神经网络是什么15
2.1.1 神经元16
2.1.2 激励函数19
2.1.3 神经网络24
2.2 深度神经网络25
2.3 深度学习为什么这么强28
2.3.1 不用再提取特征28
2.3.2 处理线性不可分29
2.4 深度学习应用30
2.4.1 围棋机器人——AlphaGo30
2.4.2 被教坏的少女——Tai.ai32
2.4.3 本田公司的大宝贝——
ASIMO33
2.5 小结37
第3章 TensorFlow框架特性与安装38
3.1 简介38
3.2 与其他框架的对比39
3.3 其他特点40
3.4 如何选择好的框架44
3.5 安装TensorFlow45
3.6 小结46
原理与实践篇
第4章 前馈神经网络50
4.1 网络结构50
4.2 线性回归的训练51
4.3 神经网络的训练75
4.4 小结79
第5章 手写板功能81
5.1 MNIST介绍81
5.2 使用TensorFlow完成实验86
5.3 神经网络为什么那么强92
5.3.1 处理线性不可分93
5.3.2 挑战“与或非”95
5.3.3 丰富的VC——强大的空间
划分能力98
5.4 验证集、测试集与防止过拟合99
5.5 小结102
第6章 卷积神经网络103
6.1 与全连接网络的对比103
6.2 卷积是什么104
6.3 卷积核106
6.4 卷积层其他参数108
6.5 池化层109
6.6 典型CNN网络110
6.7 图片识别114
6.8 输出层激励函数——SOFTMAX116
6.8.1 SOFTMAX116
6.8.2 交叉熵117
6.9 小试牛刀——卷积网络做图片分类124
6.10 小结138
第7章 综合问题139
7.1 并行计算139
7.2 随机梯度下降142
7.3 梯度消失问题144
7.4 归一化147
7.5 参数初始化问题149
7.6 正则化151
7.7 其他超参数155
7.8 不.....的模型156
7.9 DropOut157
7.10 小结158
第8章 循环神经网络159
8.1 隐马尔可夫模型159
8.2 RNN和BPTT算法163
8.2.1 结构163
8.2.2 训练过程163
8.2.3 艰难的误差传递165
8.3 LSTM算法167
8.4 应用场景171
8.5 实践案例——自动文本生成174
8.5.1 RNN工程代码解读174
8.5.2 利用RNN学习莎士比亚剧本183
8.5.3 利用RNN学习维基百科184
8.6 实践案例——聊天机器人185
8.7 小结196
扩 展 篇
第9章 深度残差网络198
9.1 应用场景198
9.2 结构解释与数学推导200
9.3 拓扑解释205
9.4 Github示例207
9.5 小结207
第10章 受限玻尔兹曼机209
10.1 结构209
10.2 逻辑回归210
10.3 最大似然度212
10.4 最大似然度示例214
10.5 损失函数215
10.6 应用场景216
10.7 小结216
第11章 强化学习217
11.1 模型核心218
11.2 马尔可夫决策过程219
11.2.1 用游戏开刀221
11.2.2 准备工作223
11.2.3 训练过程224
11.2.4 问题226
11.2.5 Q-Learning算法228
11.3 深度学习中的Q-Learning——DQN231
11.3.1 OpenAI Gym234
11.3.2 Atari游戏237
11.4 小结238
第12章 对抗学习239
12.1 目的239
12.2 训练模式240
12.2.1 二元极小极大博弈240
12.2.2 训练242
12.3 CGAN244
12.4 DCGAN247
12.5 小结252
第13章 有趣的深度学习应用254
13.1 人脸识别254
13.2 作诗姬259
13.3 梵高附体264
13.3.1 网络结构265
13.3.2 内容损失268
13.3.3 风格损失270
13.3.4 系数比例271
13.3.5 代码分析272
13.4 小结279
附录A VMware Workstation的安装280
附录B Ubuntu虚拟机的安装284
附录C Python语言简介290
附录D 安装Theano296
附录E 安装Keras297
附录F 安装CUDA298
参考文献303
序言
Preface?序时代的巨轮已经驶入了21世纪第二个十年的后半，科技的发展速度一次一次超越我们的想象力，给我们带来无限的惊喜。
近两年最为吸睛的当属谷歌的阿尔法围棋程序大胜人类围棋大师——先有李世乭九段不敌，后有柯洁九段落败，围棋这样一个长期以来人类一直可以傲视人工智能的领域也被计算机所征服。
到现在，靠机器人来扫地，靠刷脸来取钱，靠自动驾驶来周游世界已然不是什么科幻小说中的内容了，这些事情已经真实地发生在我们的身边。
人工智能正在逐渐在每个细节上改变我们的生产能力，改变我们的生活。
这种可以把人从大量繁冗重复的劳动中解放出来的高新科技领域在未来二三十年，甚至更为长远的时间内都会是最为吸引人的研究方向。
包括深度学习在内的人工智能应用技术在每个人类涉足的领域都将发挥越来越大的作用。
我坚信，和其他历史上出现过的先进技术一样，这些知识与技术将越来越平民化，就像PC一样逐渐成为每个人在工作中都不可或缺的工具。
我想每一个时代的弄潮儿都不应错过在这波澜壮阔的历史新纪元中的每一朵浪花。
这本书概念清晰，语言平实，实例讲解丰富，是一本非常适合入门的深度学习读本，尤其是对公式推导做了最大程度的白话解释与避让，使得可读性大大增强。
相信每位读者都能从中汲取到相应的知识与启发。
——李学凌，欢聚时代董事长兼CEO
| ISBN | 9787111574576,7111574575 |
|---|---|
| 出版社 | 机械工业出版社 |
| 作者 | 高扬 |
| 尺寸 | 16 |