1.本书介绍神经网络和深度学习的基本概念的同时还讲解了基于Python实现神经网络时用到的函数库。2.本书包含神经网络在不同领域中实际应用的案例,包括费用预估、图像分类、语义分析等。对于每个案例,本书提供了完整的问题描述以及解决该问题所需要的神经网络架构。不仅如此,本书还介绍了选择特定算法的原因以及一步步实现该解决方案的Python代码。3.在学习本书的过程中,读者将获得基于流行Python函数库(例如Keras)来实现并训练神经网络的实际使用经验。4.在读完本书后,读者不仅可以掌握多种不同类型的神经网络架构,还能够使用Python语言创建多个AI项目来丰富自己的作品集和项目经历。
本书主要讲述了神经网络的重要概念和技术,并展示了如何使用Python来解决日常生活中常见的神经网络问题。本书包含了6个神经网络相关的项目,分别是糖尿病预测、出租车费用预测、图像分类、图像降噪、情感分析和人脸识别,这6个项目均是从头开始实现,且使用了不同的神经网络。在每个项目中,本书首先会提出问题,然后介绍解决该问题需要用到的神经网络架构,并给出选择该神经网络模型的原因,最后会使用Python语言从头实现该模型。此外,本书还介绍了机器学习和神经网络的基础知识,以及人工智能未来的发展。
詹姆斯.洛伊是一名数据科学家,他在金融和医疗行业有5年以上的工作经验。他曾在新加坡的银行工作,通过预测性分析驱动创新,同时帮助银行提高客户的忠诚度。他也在医疗部门工作过,在那里他通过数据分析来改善医院做出的决断。他在乔治亚理工大学获得了计算机科学硕士学位,研究方向为机器学习。他关注的研究领域有深度学习和应用机器学习,还包括为工业自动化系统开发基于计算机视觉的人工智能。他经常在Towards Data Science上发表文章,这是一个很有名的机器学习网站,每个月的访问量在300万人次以上。