濠电姷鏁告慨鐑藉极閸涘﹥鍙忛柣鎴f閺嬩線鏌涘☉姗堟敾闁告瑥绻橀弻锝夊箣閿濆棭妫勯梺鍝勵儎缁舵岸寮婚悢鍏尖拻閻庨潧澹婂Σ顔剧磼閹冣挃缂侇噮鍨抽幑銏犫槈閵忕姷顓洪梺缁樺灥濡盯宕濋姘f斀闁绘劖娼欓悘锕傛煟閻曞倻鐣电€规洘娲熼幃銏ゅ礂閼测晛甯惧┑鐘垫暩閸嬫盯鎮樺┑瀣婵ǹ鍩栭悡鐔煎箹閹碱厼鏋涚€殿噮鍠楅幈銊︾節閸愨斂浠㈤悗瑙勬礃椤ㄥ﹪骞婇弽顓炵厴闁割煈鍠曞▽顏堟⒒閸屾瑧顦﹂柟纰卞亰楠炲﹨绠涢弴鐐茬亰閻庡厜鍋撻柛鏇ㄥ墮娴犲ジ姊虹紒妯虹伇婵☆偄瀚伴幏鎴︽偄閸忚偐鍘繝銏e煐缁嬫捇鎮鹃柆宥嗙厓鐟滄粓宕滃☉銏犳瀬濠电姵鑹鹃拑鐔兼煏婵炲灝鍔楅柡鈧禒瀣厱闁斥晛鍟╃欢閬嶆煃瑜滈崜姘躲€冩繝鍥ц摕闁挎稑瀚ч崑鎾绘晲鎼粹€茬敖闂侀潧妫欑敮鐐垫閹烘挻缍囬柕濞垮劜鐠囩偤姊虹化鏇熸澒闁稿鎸搁—鍐Χ閸℃鐟ㄩ柣搴㈠嚬閸撴稒绔熼弴銏犵闁稿繒鍘у鍨攽閳藉棗鐏犻柣蹇旂箖缁傚秷銇愰幒鎾跺幈闂佺粯鍔曢悘姘跺汲椤掑嫭鐓涚€光偓鐎n剛袦闂佽鍠掗弲鐘诲箖濠婂吘鐔哄寲閺囩偘澹曢梺鍛婂姦閸犳宕戦敐澶嬬厓鐟滄粓宕滈悢鐓庢瀬闁告劦鍠栭悞鍨亜閹哄棗浜鹃悗瑙勬尭鐎氭澘顫忓ú顏勫窛濠电姴瀚уΣ鍫ユ煛鐎e吀绨婚棁澶嬬節婵犲倸顏柣顓熷浮閺岋紕浠︾拠鎻掝潎閻庢鍠楀ḿ娆掔亙闂侀€炲苯澧紒鍌氱У閵堬綁宕橀埡浣插亾閸偆绠鹃柛顐g箘娴犮垽鏌$€n偆鈽夋い顓″劵椤︽煡姊虹敮顔剧М闁绘侗鍣i獮瀣晝閳ь剟锝為崨瀛樼厽婵妫楁禍婵嬫煛閸屾浜鹃梻鍌欐祰椤曆囧礄閻e瞼绀婇柛鈩冡缚椤╂煡鎮归悜妯忣厾绱撳顑芥斀闁绘ê寮舵径鍕煃闁垮鐏╃紒杈ㄦ尰閹峰懘宕楁径瀣剁礄婵$偑鍊曠换鎰偓姘卞厴瀹曠敻寮撮姀鈥充化闂佹儳绻楅~澶屽椤忓牊鐓欓柣鎴烇供濞堟梻绱掗悩宕囨创闁哄矉绲借灃闁逞屽墴閹囧礃椤旇偐顔嗗┑鐐叉▕娴滄繈鍩涢幒妤佺厱閻忕偟鍋撻惃鎴濐熆瑜庣粙鎾舵閹烘柡鍋撻敐搴′簻婵炴惌鍠楅〃銉╂倷鐎电ǹ鈷屽Δ鐘靛仜濞差參銆佸鈧幃鈺佲枔閸喗娅楅梻浣筋嚙濞寸兘骞婇幘瀵哥彾濠电姴娲ょ粣妤呮煛瀹ュ骸骞樼€规挷绶氶弻鈥愁吋鎼粹€崇闂佺粯鎸鹃崰鏍蓟閵娿儮鏀介柛鈩兠▍锝呪攽闄囩亸娆戝垝椤栫偛桅闁告洦鍨奸弫鍐煥濠靛棙宸濋柣锝呫偢濮婃椽宕烽鐔锋畬闁诲孩鐭崡鎶界嵁閺嶎兙浜归柟鐑樻尭娴狀參姊洪崫鍕垫Ъ婵炲娲熼、娆撳炊椤掍讲鎷婚梺绋挎湰閼归箖鍩€椤掑嫷妫戞繛鍡愬灩椤繄鎹勯搹鐟板Е婵$偑鍊栫敮鎺楀磹閸涘﹦顩锋繝濠傜墛閻撶姵绻涢懠棰濆殭闁诲骏绻濋弻锟犲川閺夎法鍘柣搴濈祷閸嬫劙鍩€椤掍胶鈯曞畝锝呮健瀹曘垽鎮欓璺ㄧ畾闂侀潧鐗嗙换鎺楁偩閾忣偆绠惧璺侯儐缁€鍫ユ煠濞差亙鎲剧€规洜枪铻栧ù锝呮惈鐢箖姊绘担瑙勫仩闁稿寒鍨跺畷婵堜沪閻愵剙寮块悗骞垮劚濡厼鈻撴禒瀣厽闁归偊鍘界紞鎴炵箾閹碱厼鏋熸い銊e劦閹瑥顔忛鐓庡闂備浇顕栭崰妤冨垝閹惧磭鏆﹂柛妤冨剱濞笺劑鏌涢埄鍐垮叕缂佽鲸鐟╁濠氬磼濮橆兘鍋撻幖浣哥9闁归棿绀佺壕鐟邦渻鐎n亝鎹i柣顓炴閵嗘帒顫濋敐鍛婵°倗濮烽崑鐐烘偋閻樻眹鈧線寮村杈┬㈤梻浣规偠閸庢椽宕滈敃鍌氭瀬鐎广儱顦伴悡鐔兼煙闁箑骞楃紓宥嗗灴閺屽秷顧侀柛鎾寸箞瀹曟椽寮介锝呭簥濠电娀娼ч鍡浰夐崼鐔虹闁瑰鍋犳竟妯汇亜閿濆懏鎯堟い顏勫暣婵″爼宕橀妸銉ヮ潥闁诲骸鍘滈崑鎾绘煙闂傚顦﹂柦鍐枑缁绘盯骞嬮弮鈧崳浼存煃瑜滈崜銊х不閹捐崵宓侀悗锝庝簴閺€浠嬫煕閵夈垺娅冪紒顭戝枛閳规垿鎮╁▓鎸庢瘜闂佸憡鎸荤换鍡涘Φ閹版澘绀冩い鏃囨娴滈亶姊虹憴鍕妞ゆ泦鍥ㄥ珔闁绘柨鍚嬮悡銉╂煟閺傛寧鎯堢€涙繄绱撴担鎻掍壕闂佸憡鍔﹂崰妤呮偂閸愵喗鐓曟繝闈涙椤忊晠鏌嶈閸撴岸骞冮崒姘煎殨闁告劕寮弮鍫濆窛妞ゆ棁顫夌€氱厧鈹戦悙瀛樼稇闁告艾顑夐幃鐤槾缂侇喗妫冮、妤呭焵椤掑嫭绠掓繝鐢靛Т閿曘倖顨ラ崨濠冩珷闁绘鐗呯换鍡涙煕濞嗗浚妲稿┑顔肩У椤ㄣ儵鎮欓弶鎴犵懆闁剧粯鐗犻弻宥堫檨闁告挻宀稿畷鏇㈩敃閿旂晫鍘介梺缁樻煥閹芥粓鎯屾繝鍥ㄢ拺閻㈩垼鍠氶崚鐗堛亜閺囶亞绉鐐查叄閹稿﹥寰勭仦钘夌闂傚倷绀侀幉锟犲礉閿旂晫顩查柣鎰劋閺咁剚绻濇繝鍌滃闁绘挻绋戦…璺ㄦ崉閻氭潙濮涙繝鈷€鍕伌闁哄本鐩顒傛崉閵婃剬鍥ㄥ癄闁绘柨鍚嬮悡鏇熴亜閹邦喖孝闁告梹绮撻弻锝夊箻鐎电硶妲堥梻鍥ь樀閺屻劌鈹戦崱娆忊拡濠电偛鍚嬮崝妤呭焵椤掑喚娼愭繛鍙夌墵閹矂宕掗悙鑼舵憰闂佹枼鏅涢崯顖涘垔閹绢喗鍋℃繛鍡楃箰椤忊晝鐥悙顒€鈻曟慨濠勫劋濞碱亪骞嶉鐓庮瀴闂備礁婀遍幊鎾趁洪鐑嗗殨妞ゆ劧绠戠粻鑽ょ磽娴h偂鎴濃枍閵忋倖鈷戦悹鎭掑妼濞呮劙鏌熼崙銈嗗 [闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌熼梻瀵割槮缁炬儳婀遍埀顒傛嚀鐎氼參宕崇壕瀣ㄤ汗闁圭儤鍨归崐鐐差渻閵堝棗绗傜紒鈧笟鈧畷婊堫敇閻戝棙瀵岄梺闈涚墕濡鎱ㄨ缁辨帡鎮╅崘鑼紝闂佺粯渚楅崳锝嗘叏閳ь剟鏌曢崼婵囶棤闁告ɑ鎹囬弻鈩冨緞鐏炴垝娌繝銏㈡嚀濡繂鐣峰┑鍡╁悑闁糕剝鍔掔花濠氭⒑閸濆嫬鈧悂鎮樺┑瀣垫晜妞ゆ劑鍊楃壕濂稿级閸稑濡界€规洖鐬奸埀顒冾潐濞叉ḿ鏁幒妤嬬稏婵犻潧顑愰弫鍕煢濡警妲峰瑙勬礋濮婃椽宕ㄦ繝鍕窗闂佺ǹ瀛╂繛濠囧箚鐏炶В鏋庨柟鎯ь嚟閸橀亶姊洪崫鍕偍闁告柨鐭傞幃姗€鎮╅悽鐢碉紲闂佺粯鐟㈤崑鎾绘煕閵娿儳鍩g€殿喖顭锋俊鎼佸煛閸屾矮绨介梻浣呵归張顒傜矙閹达富鏁傞柨鐕傛嫹 | 闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌熼梻瀵割槮缁炬儳缍婇弻锝夊箣閿濆憛鎾绘煕閵堝懎顏柡灞诲€濆畷顐﹀Ψ閿旇姤鐦庡┑鐐差嚟婵潧顫濋妸褎顫曢柟鎹愵嚙绾惧吋绻涢崱妯虹瑨闁告﹫绱曠槐鎾寸瑹閸パ勭彯闂佹悶鍔忓▔娑㈡偩瀹勬壋鏀介柛鐙€鍠楀Λ鍐ㄧ暦濮椻偓婵℃悂濡疯閸犲﹪姊婚崒娆戭槮闁圭⒈鍋婂畷顖烆敃閿旇棄浜辨繝鐢靛Т濞层倗澹曢悷鎵虫斀闁绘ê纾。鏌ユ煟閹惧崬鐏ǎ鍥э躬椤㈡稑鈻庨幒婵嗗Τ婵犵鈧啿绾ч柟顔煎€垮濠氭晲閸℃ê鍔呭銈嗘⒒閸樠呯尵瀹ュ應鏀芥い鏃傘€嬫Λ姘箾閸滃啰鎮奸柛鎺撳笒閳诲酣骞樺畷鍥跺敹闂佺懓鍚嬮悾顏堝垂閾忓厜鍋撳顓炩枙婵﹦绮幏鍛存惞楠炲簱鍋撴繝鍥ㄧ厸闁告侗鍠氬ú瀵糕偓瑙勬处閸ㄨ泛顕i崼鏇炵妞ゆ挾鍋為鍧楁⒒娴e摜绉烘俊顐ユ硶缁牊绗熼埀顒€鐣峰鈧崺鈧い鎺嗗亾妞ゎ亜鍟存俊鍫曞幢濡儤娈梻浣告憸婵敻骞戦崶褏鏆﹂柕蹇嬪€ら弫鍌炴煕濞戝崬鐏i柣锕€鐗撳鍝勑ч崶褏浼堝┑鐐板尃閸曨収娴勫┑鐘诧工閻楀﹪鎮¢悢鑲╁彄闁搞儯鍔嶉埛鎺旂磼閻橀潧浠ч柍褜鍓濋~澶娒哄Ο鍏煎床闁稿瞼鍎戠紞鏍ㄧ節闂堟侗鍎愰柛銈咁儔閺岋綁濮€閵堝棙閿Δ鐘靛仦閸旀瑥顫忕紒妯诲闁告盯娼х紞濠傤嚕閻㈠壊鏁嗛柛鏇楁杹閸嬫捇宕橀鐓庣獩濡炪倖姊婚搹搴∶洪幖浣光拺閻犳亽鍔屽▍鎰版煙閸戙倖瀚�]

    • 深度学习--从基础到实践(上下)/深度学习系列
      • 作者:(美)安德鲁·格拉斯纳|责编:吴晋瑜|译者:罗家佳
      • 出版社:人民邮电
      • ISBN:9787115554512
      • 出版日期:2022/12/01
      • 页数:799
    • 售价:79.92
  • 内容大纲

        本书从基本概念和理论入手,通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识,且不涉及复杂的数学内容。
        本书分为上下两册。上册着重介绍深度学习的基础知识,旨在帮助读者建立扎实的知识储备,主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的scikit-learn库和深度学习的Keras库(这两种库均基于Python语言),以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容,还介绍了一些创造性应用,并给出了一些典型的数据集,以帮助读者更好地了解学习。
        本书适合想要了解和使用深度学习的人阅读,也可作为深度学习教学培训领域的入门级参考用书。
  • 作者介绍

        安德鲁·格拉斯纳(Andrew Glassner)博士,美国作家,计算机交互、图形学领域顾问。于1978年开始从事3D计算机绘图工作,在NYIT计算机图形实验室、凯斯西储大学、IBM TJ Watson研究实验室、代尔夫特理工大学、贝尔通信研究公司、施乐帕克研究中心和微软研究院等进行了相关研究。《纽约时报》曾评价他为“计算机图形研究领域最受尊敬的天才之一”。
  • 目录

    第1章  机器学习与深度学习入门
      1.1  为什么这一章出现在这里
        1.1.1  从数据中提取含义
        1.1.2  专家系统
      1.2  从标记数据中学习
        1.2.1  一种学习策略
        1.2.2  一种计算机化的学习策略
        1.2.3  泛化
        1.2.4  让我们仔细看看学习过程
      1.3  监督学习
        1.3.1  分类
        1.3.2  回归
      1.4  无监督学习
        1.4.1  聚类
        1.4.2  降噪
        1.4.3  降维
      1.5  生成器
      1.6  强化学习
      1.7  深度学习
      1.8  接下来会讲什么
      参考资料
    第2章  随机性与基础统计学
      2.1  为什么这一章出现在这里
      2.2  随机变量
      2.3  一些常见的分布
        2.3.1  均匀分布
        2.3.2  正态分布
        2.3.3  伯努利分布
        2.3.4  多项式分布
        2.3.5  期望值
      2.4  独立性
      2.5  抽样与放回
        2.5.1  有放回抽样
        2.5.2  无放回抽样
        2.5.3  做选择
      2.6  Bootstrapping算法
      2.7  高维空间
      2.8  协方差和相关性
        2.8.1  协方差
        2.8.2  相关性
      2.9  Anscombe四重奏
      参考资料
    第3章  概率
      3.1  为什么这一章出现在这里
      3.2  飞镖游戏
      3.3  初级概率学
      3.4  条件概率
      3.5  联合概率
      3.6  边际概率
      3.7  测量的正确性

        3.7.1  样本分类
        3.7.2  混淆矩阵
        3.7.3  混淆矩阵的解释
        3.7.4  允许错误分类
        3.7.5  准确率
        3.7.6  精度
        3.7.7  召回率
        3.7.8  关于精度和召回率
        3.7.9  其他方法
        3.7.10  同时使用精度和召回率
        3.7.11  f1分数
      3.8  混淆矩阵的应用
      参考资料
    第4章  贝叶斯定理
      4.1  为什么这一章出现在这里
      4.2  频率论者法则以及贝叶斯法则
    第5章  曲线和曲面
    第6章  信息论
    第7章  分类
    第8章  训练与测试
    第9章  过拟合与欠拟合
    第10章  神经元
    第11章  学习与推理
    第12章  数据准备
    第13章  分类器
    第14章  集成算法
    第15章  scikit-learn
    第16章  前馈网络
    第17章  激活函数
    第18章  反向传播
    第19章  优化器
    第20章  深度学习
    第21章  卷积神经网络
    第22章  循环神经网络
    第23章  Keras第1部分
    第24章  Keras第2部分
    第25章  自编码器
    第26章  强化学习
    第27章  生成对抗网络
    第28章  创造性应用
    第29章  数据集