庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
   
格雷的五十道陰影I:調教(電影封面版)
  • 定價127.00元
  • 8 折優惠:HK$101.6
  • 放入購物車
二樓書籍分類
 
Python深度學習實作:Keras快速上手

Python深度學習實作:Keras快速上手

沒有庫存
訂購需時10-14天
9789864343133
謝梁, 魯穎, 勞虹嵐
廖信彥
博碩
2018年6月28日
167.00  元
HK$ 141.95
省下 $25.05
 
二樓書卷使用細則 二樓書卷使用細則





ISBN:9789864343133
  • 規格:平裝 / 304頁 / 17 x 23 cm / 普通級 / 單色印刷 / 初版
  • 出版地:大陸


  • >

















      *系統地講解深度學習的基本知識、建模過程和應用,是非常好的深度學習入門書。

      *以推薦系統、圖形識別、自然語言處理、文字產生和時間序列的具體應用作為案例。

      *從工具準備、資料擷取和處理,到針對問題進行建模的整個過程和實踐均詳細解說。

      *不僅能夠使讀者快速掌握深度學習,還可以進一步有效應用到商業和工程領域中。



      基於各行各業對深度學習技術的需求,許多公司和學校都開源了深度學習工具套件,其中比較知名的有CNTK、TensorFlow、Theano、Caffe、MXNet和Torch等。這些工具都提供非常靈活與強大的建模能力,大幅降低使用深度學習技術的門檻,進一步加速深度學習技術的研究和應用。但是,這些工具各有所長、介面不同,而且對於很多初學者來說,由於工具套件過於靈活,有時反而難以掌握。



      基於這些原因,Keras乃應運而生。可將其視為一個更容易使用、在更高層級抽象化、兼具相容性和靈活性的深度學習框架,它的底層可以在CNTK、TensorFlow和Theano之間自由切換。Keras的出現,使得很多初學者能夠很快地體驗深度學習的基本技術和模型,並且應用到實際問題中。

    ?


     





    Chapter 01 深度學習簡介

    1.1 概述

    1.2 深度學習的統計學入門

    1.3 基本概念的解釋

    1.3.1 深度學習的函數類型

    1.3.2 深度學習的其他常見概念

    1.4 梯度下降演算法

    1.5 反向傳播演算法



    Chapter 02 準備深度學習的環境

    2.1 硬體環境的建置和組態的選擇

    2.1.1 圖形處理器通用計算

    2.1.2 需要什麼樣的 GPU 加速卡

    2.1.3 GPU 需要多少記憶體

    2.1.4 是否應該使用多個 GPU

    2.2 安裝軟體環境

    2.2.1 所需的軟體清單

    2.2.2 CUDA 的安裝

    2.2.3 Python 計算環境的安裝

    2.2.4 深度學習建模環境介紹

    2.2.5 安裝 CNTK 及對應的 Keras

    2.2.6 安裝 Theano 計算環境

    2.2.7 安裝 TensorFlow 計算環境

    2.2.8 安裝 cuDNN 和 CNMeM



    Chapter 03 Keras 入門

    3.1 Keras 簡介

    3.2 Keras 的資料處理

    3.2.1 文字預處理

    3.2.2 序列資料預處理

    3.2.3 圖片資料登錄

    3.3 Keras 的模型

    3.4 Keras 的重要物件

    3.5 Keras 的網路層構造

    3.6 使用 Keras 進行奇異值矩陣分解



    Chapter 04 資料收集與處理

    4.1 網路爬蟲

    4.1.1 網路爬蟲技術

    4.1.2 建構自己的 Scrapy 爬蟲

    4.1.3 建構可接受參數的 Scrapy 爬蟲

    4.1.4 執行 Scrapy 爬蟲

    4.1.5 執行 Scrapy 爬蟲的要點

    4.2 大規模非結構化資料的儲存和分析

    4.2.1 ElasticSearch 介紹

    4.2.2 ElasticSearch 應用實例



    Chapter 05 推薦系統

    5.1 推薦系統簡介

    5.2 矩陣分解模型

    5.3 深度神經網路模型

    5.4 其他常用演算法

    5.5 評判模型指標



    Chapter 06 圖形識別

    6.1 圖形識別入門

    6.2 卷積神經網路的介紹

    6.3 端到端的 MNIST 訓練數字識別

    6.4 利用 VGG16 網路進行字體識別

    6.5 總結



    Chapter 07 自然語言情感分析

    7.1 自然語言情感分析簡介

    7.2 文字情感分析建模

    7.2.1 詞嵌入技術

    7.2.2 多層全連接神經網路訓練情感分析

    7.2.3 卷積神經網路訓練情感分析

    7.2.4 遞歸神經網路訓練情感分析

    7.3 總結



    Chapter 08 文字產生

    8.1 文字產生和聊天機器人

    8.2 基於檢索的對話系統

    8.3 基於深度學習的檢索式對話系統

    8.3.1 對話資料的建構

    8.3.2 建構深度學習索引模型

    8.4 基於文字產生的對話系統

    8.5 總結



    Chapter 09 時間序列

    9.1 時間序列簡介

    9.2 基本概念

    9.3 衡量時間序列模型預測的準確度

    9.4 時間序列資料範例

    9.5 簡要回顧 ARIMA 時間序列模型

    9.6 遞歸神經網路與時間序列模型

    9.7 應用案例

    9.7.1 長江漢口月度流量時間序列模型

    9.7.2 國際航空月度乘客數時間序列模型

    9.8 總結



    Chapter 10雲端機器學習與智慧物聯網

    10.1 Azure 和 IoT

    10.2 Azure IoT Hub 服務

    10.3 使用IoT Hub 管理設備概述

    10.4 以.NET 將模擬設備連接到 IoT 中心

    10.5 機器學習應用實例

    ?




    其 他 著 作