会员
深度学习实战：基于TensorFlow 2和Keras（原书第2版）
更新时间：2021-08-24 10:47:18 最新章节：16.8 参考文献
书籍简介
本书简洁地介绍了现代神经网络、人工智能和深度学习技术，专门为软件工程师和数据科学家设计。第1章逐步介绍神经网络的基础知识。第2章比较TensorFlow1.x和TensorFlow2.0编程模型。第3章重点介绍回归。第4章介绍卷积神经网络及其在图像处理中的应用。第5章讨论了CNN在图像、视频、音频和文本处理方面的高级应用。第6章重点介绍生成对抗网络。第7章介绍词嵌入。第8章介绍基本嵌入方法的各种扩展。第9章介绍自动编码器。第10章深入研究无监督学习模型。第11章重点介绍强化学习。第12章介绍AutoML。第13章介绍用于移动设备和物联网的TensorFlow的基础知识。第14章讨论了云环境以及如何利用它来训练和部署模型。第15章讨论了深度学习背后的数学。第16章介绍TPU。本书内容丰富，易于理解，示例具有代表性，是学习深度学习的绝佳指南。
品牌：机械工业出版社
译者：刘尚峰 刘冰
上架时间：2021-07-01 00:00:00
出版社：机械工业出版社
本书数字版权由机械工业出版社提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
(意)安东尼奥·古利 (印)阿米塔·卡普尔 (美)苏吉特·帕尔
最新上架
- 会员本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle计算机0字
- 会员本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAIGPT、清华大学GLM、MetaLlama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选型并搭建自己的私有大模型计算机12.2万字
- 会员本书从ChatGPT的基础知识讲起，针对运营工作中的各种痛点，结合实战案例，如文案写作、图片制作、社交媒体运营、爆款视频文案、私域推广、广告策划、电商平台高效运营等，教会读者如何使用ChatGPT进行智能化工作；还介绍了通过ChatGPT配合Midjourney、D-ID等AI软件的使用，进一步帮助提高运营工作的效率。计算机11.3万字
- 会员AI的本质是什么？自然语言和人工语言的区别在哪里？ChatGPT究竟是人工智能发展道路上的里程碑，还是某种误入歧途的“假AI”？我们不许诺美丽空洞的AI前景，而是告诉读者，未来的AI之路到底有多少激流险滩——对于统计学工具与硬件升级的片面崇拜，对于智能科学基本原理的蔑视，是目前AI研究的大危机。在我们看来，万众期待的ChatGPT，只是新时代的“牛顿炼金术”。计算机17.8万字
- 会员本书共分为10章。第1章介绍短视频文案与AIGC；第2章为AIGC工具助力文案选题策划；第3章为短视频标题撰写与优化；第4章为短视频脚本与情节设计；第5章为短视频带货文案写作；第6章为评论区互动文案写作；第7章为段子文案写作；第8章为短视频内容标签化；第9章为短视频营销文案写作；第10章为短视频与AI的有机结合。计算机8.8万字
- 会员本书旨在帮助读者从零开始学习人工智能，掌握人工智能的原理、技术和应用。本书共10章，首先是人工智能概述，接着深入浅出地讲解人工智能的原理和技术，包括数据预处理、数据可视化、机器学习基础、监督学习模型、无监督学习算法、神经网络基础、训练深度神经网络等内容，最后讲解人工智能的应用，包括智能对话和知识图谱。本书适合想要学习并掌握人工智能技术和应用的零基础读者阅读，还可以作为高等院校人工智能相关课程的教材计算机11.3万字
- 会员本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分：第一部分习题对应《机器学习》第1~10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络计算机19.3万字