具体描述
随着普罗大众对人工智慧的兴趣日益浓厚，深度学习也引起了广泛的关注。每一天都有许多深度学习的演算法被运用在不同的产业中。
本书将会为您提供有关该主题的所有实务资讯，包括最佳实作，使用真实世界的案例。您将学习到如何辨识和撷取资讯以便提高预测准确性，并最佳化结果。
从快速回顾重要的机器学习观念开始，本书将使用scikit-learn来介绍深度学习的原理。然后，您也将学习到使用最新的开源函式库，如Theano、Keras、Google的TensorFlow和H20。读者可以使用本书当作一个指南，来找出模式辨识的困难之处，缩放数据以便得到更精确的结果，并讨论深度学习演算法和技巧。
无论您是想深入了解深度学习，还是想要知道如何从这个强大的技术中获得更多的资讯，您都可以从本书中学到这一切。
适用读者
对机器学习观念具有一些基本认识，对Python程式设计有一些经验的数据科学从业人员，或是立志成为资料科学家的人。同时也需对微积分和统计学的基本观念有相当程度的理解。
你能够从本书学习到：
•深度学习演算的深入实务认识。
•进一步地以Theano、H2O、Keras和TensorFlow来学习深度学习。
•了解在许多深度学习实作的两个最重要的核心技术：自动编码器和受限玻尔兹曼机。
•介绍卷积类神经网路来处理电脑视觉。
•了解强化学习来处理棋盘游戏与电动游戏。
•递回类神经网路和长短期记忆网路来做语音辨识。
•以深度学习技术建立一个可扩充和生产就绪的异常侦测系统。
本书将会为您提供有关该主题的所有实务资讯，包括最佳实作，使用真实世界的案例。您将学习到如何辨识和撷取资讯以便提高预测准确性，并最佳化结果。
从快速回顾重要的机器学习观念开始，本书将使用scikit-learn来介绍深度学习的原理。然后，您也将学习到使用最新的开源函式库，如Theano、Keras、Google的TensorFlow和H20。读者可以使用本书当作一个指南，来找出模式辨识的困难之处，缩放数据以便得到更精确的结果，并讨论深度学习演算法和技巧。
无论您是想深入了解深度学习，还是想要知道如何从这个强大的技术中获得更多的资讯，您都可以从本书中学到这一切。
适用读者
对机器学习观念具有一些基本认识，对Python程式设计有一些经验的数据科学从业人员，或是立志成为资料科学家的人。同时也需对微积分和统计学的基本观念有相当程度的理解。
你能够从本书学习到：
•深度学习演算的深入实务认识。
•进一步地以Theano、H2O、Keras和TensorFlow来学习深度学习。
•了解在许多深度学习实作的两个最重要的核心技术：自动编码器和受限玻尔兹曼机。
•介绍卷积类神经网路来处理电脑视觉。
•了解强化学习来处理棋盘游戏与电动游戏。
•递回类神经网路和长短期记忆网路来做语音辨识。
•以深度学习技术建立一个可扩充和生产就绪的异常侦测系统。
著者信息
作者简介
Valentino Zocca
目前是一家大型金融公司的独立顾问，住在纽约。他利用机器学习与深度学习，开发了许多计量经济学模型来建立预测模型。在罗马大学取得数学硕士学位后，再到美国马里兰大学深造，并且完成他的数学博士学位，博士论文是研究「symplectic geometry」。取得博士学位后，在英国的University of Warwick待了一学期，再到巴黎进行博士后研究。接着在华盛顿特区的Autometric公司服务，参与许多高科技专案，并在设计、开发一个先进3D地球视觉化软体的专案中扮演核心的角色。Autometric公司后来被波音公司併购，在波音公司服务期间，开发了许多数学演算法和预测模型，并使用Hadoop完成了许多卫星影像视觉化的程式。他可以说是一位机器学习与深度学习的专家。 并曾在美国人口普査局工作。也以独立顾问的身分，在美国与义大利工作。并曾经在义大利米兰与美国纽约主持过机器学习与深度学习的讲座。
Gianmario Spacagna
目前是 Pirelli轮胎公司的资深资料科学家，专门处理IoT感测器资料、遥测资料与联通载具的应用。主要专长是在替数据产品建立机器学习系统和完整的解决方案。工作中需要与轮胎技师，工程师和业务部门密切合作，以便分析和制定混合动力，物理驱动和数据驱动的汽车模型。
Gianmario是Professional Data Science Manifesto一书的共同作者，也是Data Science Milan meetup社群的创办人。拥有Polytechnic of Turin的资讯硕士学位，曾是斯德哥尔摩的KTH公司，分散式系统的资深软体工程师。在到Pirelli轮胎公司服务之前，曾在Barclays的零售和商业银行服务、Cisco担任网络安全工作、AgilOne从事市场预测，偶尔也会以个人名义承揽专案。
Daniel Slater
从11岁开始设计程式，开发软体游戏Quake的模组。他的热情引领他成为电脑游戏公司的游戏开发工程师，并且参与Championship Manager这个热门系列游戏的开发，后来转入财务领域，从事高风险、高效能的讯息系统。现职是Skimlinks的大数据工程师，分析线上使用者行为，闲暇时间会训练AI来打败电脑游戏，也曾多次在技术会议上发表关于深度学习与强化学习的演说。部落格是www.danielslater.net，其工作成果也被Google所引用。
Peter Roelants
拥有鲁汶大学的计算机科学硕士学位，专攻人工智慧。致力于将深度学习运用在各个领域，例如光谱成像，语音辨识，文本分析和文件资讯检索。目前在Onfido工作，是「数据检索研究团队」的领导人，专注于官方文件的资料检索。
Valentino Zocca
目前是一家大型金融公司的独立顾问，住在纽约。他利用机器学习与深度学习，开发了许多计量经济学模型来建立预测模型。在罗马大学取得数学硕士学位后，再到美国马里兰大学深造，并且完成他的数学博士学位，博士论文是研究「symplectic geometry」。取得博士学位后，在英国的University of Warwick待了一学期，再到巴黎进行博士后研究。接着在华盛顿特区的Autometric公司服务，参与许多高科技专案，并在设计、开发一个先进3D地球视觉化软体的专案中扮演核心的角色。Autometric公司后来被波音公司併购，在波音公司服务期间，开发了许多数学演算法和预测模型，并使用Hadoop完成了许多卫星影像视觉化的程式。他可以说是一位机器学习与深度学习的专家。 并曾在美国人口普査局工作。也以独立顾问的身分，在美国与义大利工作。并曾经在义大利米兰与美国纽约主持过机器学习与深度学习的讲座。
Gianmario Spacagna
目前是 Pirelli轮胎公司的资深资料科学家，专门处理IoT感测器资料、遥测资料与联通载具的应用。主要专长是在替数据产品建立机器学习系统和完整的解决方案。工作中需要与轮胎技师，工程师和业务部门密切合作，以便分析和制定混合动力，物理驱动和数据驱动的汽车模型。
Gianmario是Professional Data Science Manifesto一书的共同作者，也是Data Science Milan meetup社群的创办人。拥有Polytechnic of Turin的资讯硕士学位，曾是斯德哥尔摩的KTH公司，分散式系统的资深软体工程师。在到Pirelli轮胎公司服务之前，曾在Barclays的零售和商业银行服务、Cisco担任网络安全工作、AgilOne从事市场预测，偶尔也会以个人名义承揽专案。
Daniel Slater
从11岁开始设计程式，开发软体游戏Quake的模组。他的热情引领他成为电脑游戏公司的游戏开发工程师，并且参与Championship Manager这个热门系列游戏的开发，后来转入财务领域，从事高风险、高效能的讯息系统。现职是Skimlinks的大数据工程师，分析线上使用者行为，闲暇时间会训练AI来打败电脑游戏，也曾多次在技术会议上发表关于深度学习与强化学习的演说。部落格是www.danielslater.net，其工作成果也被Google所引用。
Peter Roelants
拥有鲁汶大学的计算机科学硕士学位，专攻人工智慧。致力于将深度学习运用在各个领域，例如光谱成像，语音辨识，文本分析和文件资讯检索。目前在Onfido工作，是「数据检索研究团队」的领导人，专注于官方文件的资料检索。
图书目录
前言
第1章：机器学习简介
什么是「机器学习」？
不同的「机器学习」方法
第2章：类神经网路
为什么是类神经网路?
基础介绍
第3章：深度学习基础
什么是「深度学习」?
深度学习的应用
GPU与CPU
受欢迎的开源函式库介绍
第4章：非监督式特征学习
自动编码器
受限玻尔兹曼机
第5章：影像辨识
人工模型与生物学模型之间的差异
卷积类神经网路的直观理解与使用理由
卷积层
汇总层
退出
深度学习中的卷积层
Theano中的卷积网路
使用Keras的卷积层来做数字辨识
使用Keras的卷积层来对cifar10做辨识
预训练
第6章：递回类神经网路和语言模型
递回类神经网路
语言塑模
语音辨识
第7章：棋盘游戏的深度学习
早期具有 AI的游戏
使用极小-极大演算法来给游戏盘面定值
以Python实作Tic-Tac-Toe游戏
学习一个估值函数
训练AI成为围棋大师
应用上限信赖界线于游戏树
蒙地卡罗树搜索中的深度学习
强化学习的快速回顾
以策略梯度来学习策略函数
AlphaGo中的策略梯度
第8章：电脑游戏的深度学习
以监督式学习方法处理电脑游戏
运用基因演算法来玩游戏
Q学习
Q学习实务
动态游戏
Atari打砖块
演员－评论家法
非同步法
以模型为基础学习
第9章：异常侦测
什么是「异常侦测」，什么是「离群值侦测」?
真实世界中的异常侦测应用
受欢迎的浅层机器学习技术
使用「深度自动编码器」来做「异常侦测」
H2O概观
范例
第10章：建立一个生产就绪的 入侵侦测系统
什么是数据产品?
训练
测试
部署
第1章：机器学习简介
什么是「机器学习」？
不同的「机器学习」方法
第2章：类神经网路
为什么是类神经网路?
基础介绍
第3章：深度学习基础
什么是「深度学习」?
深度学习的应用
GPU与CPU
受欢迎的开源函式库介绍
第4章：非监督式特征学习
自动编码器
受限玻尔兹曼机
第5章：影像辨识
人工模型与生物学模型之间的差异
卷积类神经网路的直观理解与使用理由
卷积层
汇总层
退出
深度学习中的卷积层
Theano中的卷积网路
使用Keras的卷积层来做数字辨识
使用Keras的卷积层来对cifar10做辨识
预训练
第6章：递回类神经网路和语言模型
递回类神经网路
语言塑模
语音辨识
第7章：棋盘游戏的深度学习
早期具有 AI的游戏
使用极小-极大演算法来给游戏盘面定值
以Python实作Tic-Tac-Toe游戏
学习一个估值函数
训练AI成为围棋大师
应用上限信赖界线于游戏树
蒙地卡罗树搜索中的深度学习
强化学习的快速回顾
以策略梯度来学习策略函数
AlphaGo中的策略梯度
第8章：电脑游戏的深度学习
以监督式学习方法处理电脑游戏
运用基因演算法来玩游戏
Q学习
Q学习实务
动态游戏
Atari打砖块
演员－评论家法
非同步法
以模型为基础学习
第9章：异常侦测
什么是「异常侦测」，什么是「离群值侦测」?
真实世界中的异常侦测应用
受欢迎的浅层机器学习技术
使用「深度自动编码器」来做「异常侦测」
H2O概观
范例
第10章：建立一个生产就绪的 入侵侦测系统
什么是数据产品?
训练
测试
部署
图书序言
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有