深度學習（R語言版）

定　價：￥79.00

作　者：	[英] 斯沃納·古普塔（Swarna Gupta）著
出版社：	清華大學出版社
叢編項：	人工智能科學與技術叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥59.25)

ISBN：	9787302606987	出版時間：	2022-09-01	包裝：	平裝
開本：	16開	頁數：	232	字數：

內容簡介

　　針對每個想要了解深度學習概念的數據科學愛好者，本書通過通俗易懂地解釋R代碼，讓讀者可以很容易起步。在深度學習算法和應用的理論和實踐方面做到了平衡，在講述基礎理論的同時，通過45個基于R語言的編程實例讓讀者循序漸進地掌握深度學習技術。讀者將通過實戰(zhàn)案例實現卷積神經網絡（CNN）、循環(huán)神經網絡（RNN）、長短時記憶網絡（LSTM）、序列到序列模型、生成對抗網絡（GAN）和強化學習，還將學習使用GPU進行大型數據集的高性能計算，以及R語言中的并行計算編程。各個部分內容安排合理，按照“準備工作→操作步驟→原理解析→內容拓展→參考閱讀”的流程組織內容，清楚地講解實戰(zhàn)案例的實現過程。

作者簡介

　　斯沃納·古普塔擁有計算機科學學士學位，在數據科學領域有6年的經驗。她目前以數據科學家的身份與勞斯萊斯合作。她的工作圍繞著利用數據科學和機器學習為企業(yè)創(chuàng)造價值。她在車輛遠程信息處理和太陽能制造工業(yè)中廣泛從事基于物聯網的項目，在她目前與勞斯萊斯的合作中，她致力于各種深入學習技術和解決航空領域車隊問題的解決方案。她還從繁忙的日程中抽出時間，成為社會組織的定期公益貢獻者，借助數據科學和機器學習，幫助他們解決具體的商業(yè)問題。

圖書目錄

目錄

第1章理解人工神經網絡和深度神經網絡

1.1配置環(huán)境

1.1.1準備工作

1.1.2操作步驟

1.1.3原理解析

1.1.4內容拓展

1.1.5參考閱讀

1.2神經網絡的Keras實現

1.3序貫模型API

1.3.1準備工作

1.3.2操作步驟

1.3.3原理解析

1.3.4內容拓展

1.3.5參考閱讀

1.4函數式API

1.4.1操作步驟

1.4.2原理解析

1.4.3內容拓展

1.5TensorFlow Estimator API

1.5.1準備工作

1.5.2操作步驟

1.5.3原理解析

1.5.4內容拓展

1.5.5參考閱讀

1.6TensorFlow Core API

1.6.1準備工作

1.6.2操作步驟

1.6.3原理解析

1.7實現單層神經網絡

1.7.1準備工作

1.7.2操作步驟

1.7.3原理解析

1.7.4內容拓展

1.7.5參考閱讀

1.8實現第一個深度神經網絡

1.8.1準備工作

1.8.2操作步驟

1.8.3原理解析

1.8.4內容拓展

1.8.5參考閱讀

第2章卷積神經網絡實戰(zhàn)

2.1卷積運算導論

2.1.1準備工作

2.1.2操作步驟

2.1.3原理解析

2.1.4內容拓展

2.1.5參考閱讀

2.2理解卷積步幅和填充

2.2.1操作步驟

2.2.2原理解析

2.3掌握池化層

2.3.1準備工作

2.3.2操作步驟

2.3.3原理解析

2.3.4內容拓展

2.3.5參考閱讀

2.4實現遷移學習

2.4.1準備工作

2.4.2操作步驟

2.4.3原理解析

2.4.4內容拓展

2.4.5參考閱讀

第3章循環(huán)神經網絡實戰(zhàn)

3.1使用RNN實現情感分類

3.1.1準備工作

3.1.2操作步驟

3.1.3原理解析

3.1.4內容拓展

3.1.5參考閱讀

3.2使用LSTM實現文本生成

3.2.1準備工作

3.2.2操作步驟

3.2.3原理解析

3.2.4內容拓展

3.2.5參考閱讀

3.3使用GRU實現時間序列預測

3.3.1準備工作

3.3.2操作步驟

3.3.3原理解析

3.3.4內容拓展

3.3.5參考閱讀

3.4實現雙向循環(huán)神經網絡

3.4.1操作步驟

3.4.2原理解析

3.4.3內容拓展

第4章使用Keras實現自動編碼器

4.1實現基本自動編碼器

4.1.1準備工作

4.1.2操作步驟

4.1.3原理解析

4.1.4內容拓展

4.2降維自動編碼器

4.2.1準備工作

4.2.2操作步驟

4.2.3原理解析

4.2.4內容拓展

4.3去噪自動編碼器

4.3.1準備工作

4.3.2操作步驟

4.3.3原理解析

4.3.4內容拓展

4.4自動編碼器的黑白圖像著色實戰(zhàn)

4.4.1準備工作

4.4.2操作步驟

4.4.3原理解析

4.4.4參考閱讀

第5章深度生成模型

5.1使用GAN生成圖像

5.1.1準備工作

5.1.2操作步驟

5.1.3原理解析

5.1.4內容拓展

5.1.5參考閱讀

5.2實現深度卷積生成對抗網絡

5.2.1準備工作

5.2.2操作步驟

5.2.3原理解析

5.2.4內容拓展

5.2.5參考閱讀

5.3實現變分自動編碼器

5.3.1準備工作

5.3.2操作步驟

5.3.3原理解析

5.3.4參考閱讀

第6章使用大規(guī)模深度學習處理大數據

6.1基于亞馬遜云服務的深度學習

6.1.1準備工作

6.1.2操作步驟

6.1.3原理解析

6.2基于微軟Azure平臺的深度學習

6.2.1準備工作

6.2.2操作步驟

6.2.3原理解析

6.2.4內容拓展

6.2.5參考閱讀

6.3基于谷歌云平臺的深度學習

6.3.1準備工作

6.3.2操作步驟

6.3.3原理解析

6.3.4內容拓展

6.4基于MXNet的深度學習

6.4.1準備工作

6.4.2操作步驟

6.4.3原理解析

6.4.4內容拓展

6.5使用MXNet實現深度學習網絡

6.5.1準備工作

6.5.2操作步驟

6.5.3原理解析

6.6使用MXNet實現預測建模

6.6.1準備工作

6.6.2操作步驟

6.6.3原理解析

第7章自然語言處理

7.1神經機器翻譯

7.1.1準備工作

7.1.2操作步驟

7.1.3原理解析

7.1.4內容拓展

7.1.5參考閱讀

7.2使用深度學習生成文本摘要

7.2.1準備工作

7.2.2操作步驟

7.2.3原理解析

7.2.4內容拓展

7.2.5參考閱讀

7.3語音識別

7.3.1準備工作

7.3.2操作步驟

7.3.3原理解析

7.3.4內容拓展

第8章深度學習之計算機視覺實戰(zhàn)

8.1目標定位

8.1.1準備工作

8.1.2操作步驟

8.1.3原理解析

8.1.4內容拓展

8.2人臉識別

8.2.1準備工作

8.2.2操作步驟

8.2.3原理解析

8.2.4內容拓展

8.2.5參考閱讀

第9章實現強化學習

9.1使用MDPtoolbox實現有模型強化學習

9.1.1準備工作

9.1.2操作步驟

9.1.3原理解析

9.1.4內容拓展

9.2無模型強化學習

9.2.1準備工作

9.2.2操作步驟

9.2.3原理解析

9.2.4參考閱讀

9.3使用強化學習求解懸崖尋路問題

9.3.1準備工作

9.3.2操作步驟

9.3.3原理解析

9.3.4內容拓展