☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

约莫20年前，小编正在知识工程实验室做研究时，人工智慧与机器学习是当时研究室的研究主轴，人工智慧更是资讯工程与科学博士班资格考的科目之一。然而在哪个年代，有许多教授并不看好这个领域能在短期内获得突飞勐进的成果，原因在于，相关理论研究都已存在数十年了，即便是1997年广为人知的深蓝超级电脑，也只是靠着优异的硬体设备来打败西洋棋王（採用的仅仅是暴力搜寻法，没什么好做学问的）。而围棋规则所造成的复杂度（分支过多，导致无法单纯依靠硬体设备来求胜）一直无法在人工智慧上取得突破。

　　2016年情势有所转变，AlphaGo终于打败了围棋棋王，贡献者黄士杰说明了所使用的是「深度学习」，这下子可不得了，「深度学习」霎那间热门起来了，连带再次炒热了机器学习领域。在众多求职网站上，到处都可以找到征求具有深度学习专长的职缺，并且薪资颇高。对此，有许多离开校园五年以上的职场高手也想跃跃欲试，但又对于本身的能力有所怀疑，最常听到他们这样说：「人工智慧我学得还不错，机器学习也修过一次课，但从没学过深度学习耶！」如果您也是这样的人，那么这本书可以做为您快速入门「深度学习」的参考书。

　　其实说到底，「深度学习」仍旧是由机器学习的一环衍生出来的，而机器学习又是人工智慧的一环；讲得更明白一点，深度学习有时其实不过就是一种特殊的类神经网路罢了，听到「类神经网路」，您应该觉得熟悉多了吧！或许您同时也会觉得，那好像也没什么了不起。

　　的确如此，先来看看AlphaGo贡献者黄士杰的博士论文吧，那是关于蒙地卡罗树枝搜寻法在电脑围棋程式的运用。您或许会问，蒙地卡罗方法不是几十年前就发明了吗？是的，AlphaGo当然没有那么简单，但现今与数十年前最主要的变化是GPU诞生了，并且效能获得大幅提升且日益普及（成本下降），而「深度学习」充分利用了这一点，将相关演算法的运算分配给为数众多的GPU核心去处理，达到了效能上的要求。

　　为了快速理解「深度学习」，小编替各位读者挑选了本书，作为深度学习的入门书籍（这或许是第一本关于深度学习的繁体中文书籍），深度学习的原理与技术细节其实不只一种，各家大厂对此都投入颇深，当中又以Google堪称现今人工智慧领域的霸主。因此小编选了这本书，因为AlphaGo正是由Google研发出来的，而为了让更多人参与科技的发展，Google甚至提供了TensorFlow这个可有效运用GPU的深度学习框架，以开放原始码的方式提供给所有IT技术人员，以期集合众人之力来改变这个世界。

　　话说，TensorFlow虽然因着深度学习而红，但万丈高楼平地起，蒙地卡罗方法的关键在于加入了机率这个概念，因此，本书将从使用TensorFlow求解数学问题开始介绍，进而朝向机器学习与类神经网路迈进，在此同时，您将回顾以往熟悉的线性回归、分类（Classifiers）与最近邻居演算法、群集（clustering）与k-means演算法、单层感知器、逻辑斯回归、多层感知器等等知识，并使用TensorFlow来建立模型与求解问题。到了本书的后半段，将正式进入深度学习与GPU程式设计的议题，包含卷积神经网路CNN与递回神经网路RNN等两种最知名的深度学习模型，并且在本书的末尾，也将介绍一个TensorFlow Serving，它是一种RPC，可以提供客户端服务，伺服器可成功载入并执行经过训练的TensorFlow模型，让您没有太多硬体上的顾虑。这使得实验室里的机器学习模型得以正式成为生产系统。

　　不用再徬徨，现在就透过《深度学习快速入门—使用TensorFlow》这本书，展开您的深度学习的旅程吧！
 

作者简介

Giancarlo Zaccone

　　在科学和工业领域拥有10 多年专案管理研究的经验。他在国家研究委员会C.N.R 担任研究员，在那里，他参与了平行数值计算和科学可视化相关的研究专案。

　　目前，他是一家谘询公司的高级软体工程师，维护太空和国防应用软体系统。Giancarlo 拥有那不勒斯的Federico II 物理学硕士学位，并研习了罗马La Sapienza科学计算二级研究生硕士学程。

　　他也是《Python Parallel Programming Cookbook》的作者。

　　你可以透过it.linkedin.com/in/giancarlozaccone 与他取得联系。
 

Chapter 1 TensorFlow：基本概念
机器学习与深度学习的基础
TensorFlow：总体概述
Python的基础
安装TensorFlow
第一次实地操作
资料流图形
TensorFlow程式设计模型
如何使用TensorBoard
总结

Chapter 2 用TensorFlow求解数学问题
张量资料结构
复数及碎形（fractals）
计算梯度（gradient）
随机数值
总结

Chapter 3 机器学习简介与应用
线性回归演算法
分类（Classifiers）
资料群集（Data clustering）
总结

Chapter 4 类神经网路简介
什么是类神经网路？
单层感知器
逻辑斯回归（logistic regression）
多层感知器
多层感知器函数近似（function approximation）
总结

Chapter 5 深度学习
深度学习技术
卷积神经网路CNN
CNN架构
CNN的TensorFlow实作
递回神经网路RNN
RNN架构
LSTM网路
使用TensorFlow进行自然语言处理
总结

Chapter 6 GPU程式设计和TensorFlow服务
GPU程式设计
TensorFlow服务（TensorFlow Serving）
如何安装TensorFlow Serving
如何使用TensorFlow Serving
训练和输出模型
执行session
载入与输出一个TensorFlow模型
测试伺服器
总结

 

None

深度学习快速入门：使用TensorFlow 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价