作图网站,制作网页小图片,网站编程培训,有啦域名网站怎么做推荐这本小白看的《深度学习#xff1a;从基础到实践#xff08;上下册#xff09;》。
深度学习#xff1a;从基础到实践#xff08;上下册#xff09; 深入浅出的讲述了深度学习的基本概念与理论知识#xff0c;不涉及复杂的数学内容#xff0c;零基础小白也能轻松掌…推荐这本小白看的《深度学习从基础到实践上下册》。
深度学习从基础到实践上下册 深入浅出的讲述了深度学习的基本概念与理论知识不涉及复杂的数学内容零基础小白也能轻松掌握
本书从基本概念和理论入手通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识且不涉及复杂的数学内容。
本书分为上下两册。上册着重介绍深度学习的基础知识旨在帮助读者建立扎实的知识储备主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的 scikit-learn 库和深度学习的 Keras 库这两种库均基于 Python 语言以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容还介绍了一些创造性应用并给出了一些典型的数据集以帮助读者更好地了解学习。
本书适合想要了解和使用深度学习的人阅读也可作为深度学习教学培训领域的入门级参考用书。
本书致力于介绍深度学习的基础知识 以帮助读者建立扎实的知识储备。随着深度学习实践 的推进你不仅需要对本书课题的背景有充分了解还需要充分知悉可能需要查阅的资料。
这不是一本关于编程的书。编程很重要 但是会不可避免地涉及各个细节 而这些细节与本 书的主旨并无关联。此外 编程会让你的思考局限于某一个库或者某种语言。尽管这些细节是构 建最终学习网络体系的必要条件 但是当你想要专注于某一重要理念时 这些细节可能会让你分 心。与其就循环和目录以及数据结构泛泛而谈 倒不如以一种独立的方式讨论某种语言和库相关 的所有知识。只要扎实理解了对这些理念阅读任何库文件都将变得轻而易举。
本书几乎不涉及数学问题
很多人不喜欢复杂的方程式。如果你也是这样那么本书非常适合你
本书几乎不涉及复杂的数学运算。如果你不讨厌乘法 那么本书简直太适合你了 因为书中 除了乘法并无任何复杂的运算。
本书所讨论的许多算法都有丰富的理论依据 并且是经过仔细分析和研究得出的。如果你正 打算变换一种算法以实现新目的 或者需要独立编写一个新程序 就必须了解这一点。不过 在 实践中 大多数人会用由专家编写的程序。这些程序是经过高度优化的 并且可以从免费的开源 库中获取。
我们希望能帮助你理解这些技术的原理 掌握其正确应用 并懂得如何解读结果 但无须深 入了解技术背后的数学结构。
如果你喜欢数学或者想了解理论那么请阅读每一章的“参考资料”部分给出的相关内容。 大部分资料是简洁且能够激发灵感的 并且给出了作者在本书中刻意省略的细节。如果你不喜欢 数学可以略过此部分的内容。
本书分上下两册
本书涵盖的内容非常多因此我们将其分成了上下两册。其中下册是上册内容的拓展和补充。 本书内容是以循序渐进的模式组织的 因此建议你先读上册 再去学习下册的内容。如果你有信 心也可以直接从下册开始阅读。
小编做了一个思维导图让您更快捷的了解本书的内容。
深度学习从基础到实践上册内容 深度学习从基础到实践下册内容 在第15章、第23章和第24章中我们将详细讨论机器学习的scikit-learn库以及深度学习的Keras库。这两种库均基于Python语言。我们结合示例代码进行讲解以期让你对Python库有深度的了解。即使你不喜欢Python这些程序也会让你对典型的工作流和程序结构有所了解。这些章节中的代码可以在Python手册中找到并且可用于基于浏览器的Jupyter编程环境。 本书的其他大部分章节也有配套的可选 Python 手册。这些章节针对书中每个计算机生成的数 字给出代码而且通常使用其中所涉及的技术来生成代码。由于本书的焦点并非在于 Python 语言 和编程上述章节除外因此这些手册仅作参考不再赘述。
机器学习、深度学习和大数据正在世界范围内产生令人意想不到的、快速而深刻的影响。对人类以及人类文化而言这是一个既复杂又重要的课题。
读完本书你可以
设计和构建属于自己的深度学习网络体系使用上述网络体系来理解或生成数据针对文本、图像和其他类型的数据进行描述性分类预测数据序列的下一个值研究数据结构处理数据以实现最高效率使用你喜欢的任何编程语言和 DL 库了解新论文和新理念并将其付诸实践享受与他人进行深度学习讨论的过程。
本书会采用一种严肃而不失友好的讲解方式 并通过大量图示来帮助你加深理解。同时 我 们不会在书中堆砌过多的代码甚至不会使用任何比乘法更复杂的运算。
如果你觉得还不错欢迎阅读此书
