深度学习基础与实践

基本信息

• 商品名称：深度学习基础与实践/图灵程序设计丛书
• 作者：(美)乔希·帕特森//亚当·吉布森|编者:张雪|译者:郑明智
• 定价：119
• 出版社：人民邮电
• ISBN号：9787115515421

其他参考信息（以实物为准）

• 出版时间：2019-07-01
• 印刷时间：2019-07-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：365
• 字数：573千字

内容提要

本书是由两位技术出身的企业管理者编写的深度 学习普及书。本书的前四章提供了足够的关于深度学 习的理论知识，包括机器学习的基本概念、神经网络 基础、从神经网络到深度网络的演化历程，以及主流 的深度网络架构，为读者阅读本书剩余内容打下基础 。后五章带领读者进行一系列深度学习的实践，包括 建立深层网络、 调优技术、各种数据类型的向量 化和在Spark上运行深度学习工作流。
     本书适合对深度学习的理论和应用感兴趣的开发 人员和研究人员阅读。
    

目录

前言
第1章 机器学习回顾
1.1 学习的机器
1.1.1 机器如何学习
1.1.2 生物学的启发
1.1.3 什么是深度学习
1.1.4 钻进奇幻的兔子洞
1.2 提出问题
1.3 机器学习背后的数学：线性代数
1.3.1 标量
1.3.2 向量
1.3.3 矩阵
1.3.4 张量
1.3.5 超平面
1.3.6 相关数学运算
1.3.7 将数据转换成向量
1.3.8 方程组求解
1.4 机器学习背后的数学：统计学
1.4.1 概率
1.4.2 条件概率
1.4.3 后验概率
1.4.4 分布
1.4.5 样本与总体
1.4.6 重采样方法
1.4.7 选择性偏差
1.4.8 似然
1.5 机器学习如何工作
1.5.1 回归
1.5.2 分类
1.5.3 聚类
1.5.4 欠拟合与过拟合
1.5.5 优化
1.5.6 凸优化
1.5.7 梯度下降
1.5.8 SGD
1.5.9 拟牛顿优化方法
1.5.10 生成模型与判别模型
1.6 逻辑回归
1.6.1 逻辑函数
1.6.2 理解逻辑回归的输出
1.7 评估模型
1.8 建立对机器学习的理解
第2章 神经网络基础与深度学习
2.1 神经网络
2.1.1 生物神经元
2.1.2 感知器
2.1.3 多层前馈网络
2.2 训练神经网络
2.3 激活函数
2.3.1 线性函数