基本信息

• 商品名称：Python深度学习(全彩印刷)/图灵程序设计丛书
• 作者：(美)弗朗索瓦·肖莱|译者:张亮
• 定价：119
• 出版社：人民邮电
• ISBN号：9787115488763

其他参考信息（以实物为准）

• 出版时间：2018-08-01
• 印刷时间：2018-08-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：292
• 字数：455千字

作者简介

张亮(hysic)，毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师。

目录

部分 深度学习基础
第1章 什么是深度学习
1.1 人工智能、机器学习与深度学习
1.1.1 人工智能
1.1.2 机器学习
1.1.3 从数据中学习表示
1.1.4 深度学习之“深度”
1.1.5 用三张图理解深度学习的工作原理
1.1.6 深度学习已经取得的进展
1.1.7 不要相信短期炒作
1.1.8 人工智能的未来
1.2 深度学习之前：机器学习简史
1.2.1 概率建模
1.2.2 早期神经网络
1.2.3 核方法
1.2.4 决策树、随机森林与梯度提升机
1.2.5 回到神经网络
1.2.6 深度学习有何不同
1.2.7 机器学习现状
1.3 为什么是深度学习，为什么是现在
1.3.1 硬件
1.3.2 数据
1.3.3 算法
1.3.4 新的投资热潮
1.3.5 深度学习的大众化
1.3.6 这种趋势会持续吗
第2章 神经网络的数学基础
2.1 初识神经网络
2.2 神经网络的数据表示
2.2.1 标量（0D张量）
2.2.2 向量（1D张量）
2.2.3 矩阵（2D张量）
2.2.4 3D张量与 高维张量
2.2.5 关键属性
2.2.6 在Numpy中操作张量
2.2.7 数据批量的概念
2.2.8 现实世界中的数据张量
2.2.9 向量数据
2.2.10 时间序列数据或序列数据
2.2.11 图像数据
2.2.12 视频数据
2.3 神经网络的“齿轮”：张量运算
2.3.1 逐元素运算
2.3.2 广播
2.3.3 张量点积
2.3.4 张量变形
2.3.5 张量运算的几何解释
2.3.6 深度学习的几何解释
2.4 神经网络的“引擎”：基于梯度的优化
2.4.1 什么是导数