• 白话深度学习与TensorFlow-高扬资料


    内容简介
    基础篇(1-3章):介绍深度学习的基本概念和Tensorflow的基本介绍。原理与实践篇(4-8章):大量的关于深度学习中BP、CNN以及RNN网络等概念的数学知识解析,加以更朴素的语言与类比,使得非数学专业的程序员还是能够比较容易看懂。扩展篇(9-13章):介绍新增的深度学习网络变种与较新的深度学习特性,并给出有趣的深度学习应用。读完本书,基本具备了搭建全套Tensorflow应用环境的能力,掌握深度学习算法和思路,以及进行一般性的文章分类、音频分类或视频分类的能力。
    作者简介
    西山居的大数据架构师与大数据专家,有多年编程经验(多年日本和澳洲工作经验)、多年大数据架构设计与数据分析、处理经验,目前负责西山居的市场战略与产品战略。专注于大数据系统架构以及变现研究。擅长数据挖掘、数据建模、关系型数据库应用(Hadoop、Spark、Cassandra、Prestodb应用)。负责西山居紫霞系统——大数据日志处理系统的系统架构与设计工作。同时,也是重庆工商大学管理科学与工程专业,硕士研究生事业导师。

    目  录
    目  录?Contents
    本书赞誉

    前 言
    基 础 篇
    第1章 机器学习是什么 2
    1.1 聚类 4
    1.2 回归 5
    1.3 分类 8
    1.4 综合应用 10
    1.5 小结 14
    第2章 深度学习是什么 15
    2.1 神经网络是什么 15
    2.1.1 神经元 16
    显示全部信息
    前  言
    前  言?Preface为什么要写这本书近些年来,伴随着计算机计算能力的不断升级,很多原来只有在科幻电影里才有的桥段越来越多地出现在我们身边了,并给了我们更多的想象空间与期待。
    在2016年,人工智能界最令人瞩目的事情莫过于谷歌的AlphaGo以4:1的悬殊比分轻松击败韩国著名九段围棋大师李世石。之后化名“Master”的AlphaGo更是一路大开杀戒,分别在对弈网站“弈城”和“腾讯围棋”登录,先后打败了柯洁九段、朴廷桓九段、陈耀烨九段以及创造日本大满贯传奇的井山裕太和亚洲杯冠军李钦诚等世界一流高手,取得了50胜0负的战绩。当然了,“玩不起”的人类最终觉得让AlphaGo在国际围棋网站排名上占一个坑来碾压人类是非常“不公平”的事情,最终把人家给拉黑了。
    人类这么做是不是有违AI(Artificial Intelligence,人工智能)研究的初衷暂且不讨论,毕竟我们的眼光还是应该更多地投向那些“更有趣”的领域。除此之外,还有很多非常有趣的人工智能项目也经常在网络视频中带给我们惊喜,比如谷歌的机械狗、谷歌的无人驾驶汽车等。

                            1y_bB25sIQtPqUOCJvSotMg  up7m

  • 相关阅读:
    GPU上的随机森林:比Apache Spark快2000倍
    基于TensorFlow2.x的实时多人二维姿势估计
    用code2vec、glow和spaCy进行词嵌入
    如何进行数据科学竞赛?(EDA)
    Python性能分析技巧
    PyTorch中基于TPU的FastAI多类图像分类
    GitHub上的AutoML
    Keras vs PyTorch vs Caffe:CNN实现对比
    深度学习的学习率调节实践
    win7下MariaDB10.0的my.ini配置文件的位置
  • 原文地址:https://www.cnblogs.com/caiwuzi/p/13265131.html
Copyright © 2020-2023  润新知