幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

程序員的AI書(從代碼開始)

  • 作者：編者:張力柯//潘暉|責編:張國霞
  • 出版社：電子工業
  • ISBN：9787121382703
  • 出版日期：2020/02/01
  • 裝幀：平裝
  • 頁數：308
人民幣：RMB 109 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著AI技術的普及，如何快速理解、掌握並應用AI技術，成為絕大多數程序員亟需解決的問題。本書基於Keras框架並以代碼實現為核心，詳細解答程序員學習AI演算法時的常見問題，對機器學習、深度神經網路等概念在實際項目中的應用建立清晰的邏輯體系。
    《程序員的AI書(從代碼開始)》分為上下兩篇，上篇（第1?4章）可幫助讀者理解並獨立開發較簡單的機器學習應用，下篇（第5?9章）則聚焦于AI技術的三大熱點領域：推薦系統、自然語言處理（NLP）及圖像處理。其中，第1章通過具體實例對Keras的機器學習實現進行快速介紹並給出整體概念；第2章從簡單的神經元開始，以實際問題和代碼實現為引導，逐步過渡到多層神經網路的具體實現上，從代碼層面講解神經網路的工作模式；第3章講解Keras的核心概念和使用方法，幫助讀者快速入門Keras；第4章講解機器學習中的常見概念、定義及演算法；第5章介紹推薦系統的常見方案，包括協同過濾的不同實現及Wide&Deep模型等；第6章講解循環神經網路（RNN）的原理及Seq2Seq、Attention等技術在自然語言處理中的應用；第7?8章針對圖像處理的分類及目標識別進行深度討論，從代碼層面分析Faster RCNN及YOLO v3這兩種典型識別演算法；第9章針對AI模型的工程部署問題，引入TensorFlow Serving並進行介紹。
    《程序員的AI書(從代碼開始)》主要面向希望學習AI開發或者轉型演算法的程序員，也可以作為Keras教材，幫助讀者學習Keras在不同領域的具體應用。
作者介紹
編者:張力柯//潘暉|責編:張國霞
目錄
上篇
第1章  機器學習的HELLO WORLD
  1.1  機器學習簡介
  1.2  機器學習應用的核心開發流程
  1.3  從代碼開始
    1.3.1  搭建環境
    1.3.2  一段簡單的代碼
  1.4  本章小結
  1.5  本章參考文獻
第2章  手工實現神經網路
  2.1  感知器
    2.1.1  從神經元到感知器
    2.1.2  實現簡單的感知器
  2.2  線性回歸、梯度下降及實現
    2.2.1  分類的原理
    2.2.2  損失函數與梯度下降
    2.2.3  神經元的線性回歸實現
  2.3  隨機梯度下降及實現
  2.4  單層神經網路的Python實現
    2.4.1  從神經元到神經網路
    2.4.2  單層神經網路：初始化
    2.4.3  單層神經網路：核心概念
    2.4.4  單層神經網路：前向傳播
    2.4.5  單層神經網路：反向傳播
    2.4.6  網路訓練及調整
  2.5  本章小結
  2.6  本章參考文獻
第3章  上手KERAS
  3.1  Keras簡介
  3.2  Keras開發入門
    3.2.1  構建模型
    3.2.2  訓練與測試
  3.3  Keras的概念說明
    3.3.1  Model
    3.3.2  Layer
    3.3.3  Loss
  3.4  再次代碼實戰
    3.4.1  XOR運算
    3.4.2  房屋價格預測
  3.5  本章小結
  3.6  本章參考文獻
第4章  預測與分類：簡單的機器學習應用
  4.1  機器學習框架之sklearn簡介
    4.1.1  安裝sklearn
    4.1.2  sklearn中的常用模塊
    4.1.3  對演算法和模型的選擇
    4.1.4  對數據集的劃分
  4.2  初識分類演算法
    4.2.1  分類演算法的性能度量指標
    4.2.2  樸素貝葉斯分類及案例實現

  4.3  決策樹
    4.3.1  演算法介紹
    4.3.2  決策樹的原理
    4.3.3  實例演練
    4.3.4  決策樹優化
  4.4  線性回歸
    4.4.1  演算法介紹
    4.4.2  實例演練
  4.5  邏輯回歸
    4.5.1  演算法介紹
    4.5.2  多分類問題與實例演練
  4.6  神經網路
    4.6.1  神經網路的歷史
    4.6.2  實例演練
    4.6.3  深度學習中的一些演算法細節
  4.7  本章小結
  4.8  本章參考文獻

下篇
第5章  推薦系統基礎
  5.1  推薦系統簡介
  5.2  相似度計算
  5.3  協同過濾
    5.3.1  基於用戶的協同過濾
    5.3.2  基於物品的協同過濾
    5.3.3  演算法實現與案例演練
  5.4  LR模型在推薦場景下的應用
  5.5  多模型融合推薦模型：Wide＆Deep模型
    5.5.1  探索-利用困境的問題
    5.5.2  Wide＆Deep模型
    5.5.3  交叉特徵
  5.6  本章小結
  5.7  本章參考文獻
第6章  項目實戰：聊天機器人
  6.1  聊天機器人的發展歷史
  6.2  循環神經網路
    6.2.1  Slot Filling
    6.2.2  NLP中的單詞處理
    6.2.3  循環神經網路簡介
    6.2.4  LSTM網路簡介
  6.3  Seq2Seq原理介紹及實現
    6.3.1  Seq2Seq原理介紹
    6.3.2  用Keras實現Seq2Seq演算法
  6.4  Attention
    6.4.1  Seq2Seq的問題
    6.4.2  Attention的工作原理
    6.4.3  Attention在Keras中的實現
    6.4.4  Attention示例
  6.5  本章小結
  6.6  本章參考文獻

第7章  圖像分類實戰
  7.1  圖像分類與卷積神經網路
    7.1.1  卷積神經網路的歷史
    7.1.2  圖像分類的3個問題
  7.2  卷積神經網路的工作原理
    7.2.1  卷積運算
    7.2.2  傳統圖像處理中的卷積運算
    7.2.3  Pooling
    7.2.4  為什麼卷積神經網路能達到較好的效果
  7.3  案例實戰：交通圖標分類
    7.3.1  交通圖標數據集
    7.3.2  卷積神經網路的Keras實現
  7.4  優化策略
    7.4.1  數據增強
    7.4.2  ResNet
  7.5  本章小結
  7.6  本章參考文獻
第8章  目標識別
  8.1  CNN的演化
    8.1.1  CNN和滑動窗口
    8.1.2  RCNN
    8.1.3  從Fast RCNN到Faster RCNN
    8.1.4  Faster RCNN核心代碼解析
  8.2  YOLO
    8.2.1  YOLO v
    8.2.2  YOLO v
    8.2.3  YOLO v
  8.3  YOLO v3的具體實現
    8.3.1  數據預處理
    8.3.2  模型訓練
  8.4  本章小結
  8.5  本章參考文獻
第9章  模型部署與服務
  9.1  生產環境中的模型服務
  9.2  TensorFlow Serving的應用
    9.2.1  轉換Keras模型
    9.2.2  TensorFlow Serving部署
    9.2.3  介面驗證
  9.3  本章小結
  9.4  本章參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032