店铺： 旷氏文豪图书专营店
出版社： 机械工业出版社
ISBN：9787111600466
商品编码：29202609081
具体描述
序
前言緻謝
1章 數學基礎與Python庫 1
1.1 Python是進行人工智能編程的
主要語言 1
1.2 數學基礎 4
1.2.1 綫性代數基礎 4
1.2.2 微積分基礎 8
1.3 Python庫的操作 17
1.3.1 numpy操作 17
1.3.2 matplotlib操作 23
本章小結 27
2章 深度學習概論與PaddlePaddle入門 28
2.1 人工智能、機器學習與深度學習 29
2.1.1 人工智能 30
2.1.2 機器學習 30
2.1.3 深度學習 31
2.2 深度學習的發展曆程 32
2.2.1 神經網絡的*一次高潮 32
2.2.2 神經網絡的*一次寒鼕 33
2.2.3 神經網絡的*二次高潮 34
2.2.4 神經網絡的*二次寒鼕 35
2.2.5 深度學習的來臨 35
2.2.6 深度學習崛起的時代背景 36
2.3 深度學習的應用場景 36
2.3.1 圖像與視覺 37
2.3.2 語音識彆 37
2.3.3 自然語言處理 38
2.3.4 個性化推薦 38
2.4 常見的深度學習網絡結構 39
2.4.1 全連接網絡結構 39
2.4.2 捲積神經網絡 40
2.4.3 循環神經網絡 41
2.5 機器學習迴顧 41
2.5.1 綫性迴歸的基本概念 42
2.5.2 數據處理 44
2.5.3 模型概覽 45
2.5.4 效果展示 46
2.6 深度學習框架簡介 47
2.6.1 深度學習框架的作用 47
2.6.2 常見的深度學習框架 48
2.6.3 PaddlePaddle簡介 49
2.6.4 PaddlePaddle使用 49
2.7 PaddlePaddle實現 51
本章小結 60
3章 深度學習的單層網絡 61
3.1 Logistic迴歸模型 62
3.1.1 Logistic迴歸概述 62
3.1.2 損失函數 64
3.1.3 Logistic迴歸的梯度下降 66
3.2 實現Logistic迴歸模型 71
3.2.1 Python版本 72
3.2.2 PaddlePaddle版本 81
本章小結 90
4章 淺層神經網絡 92
4.1 神經網絡 92
4.1.1 神經網絡的定義及其結構 92
4.1.2 神經網絡的計算 94
4.2 BP算法 100
4.2.1 邏輯迴歸與BP算法 101
4.2.2 單樣本雙層神經網絡的BP算法 101
4.2.3 多個樣本神經網絡BP算法 105
4.3 BP算法實踐 108
4.3.1 Python版本 109
4.3.2 PaddlePaddle版本 116
本章小結 122
5章 深層神經網絡 123
5.1 深層網絡介紹 123
5.1.1 深度影響算法能力 124
5.1.2 網絡演化過程與常用符號 125
5.2 傳播過程 127
5.2.1 神經網絡算法核心思想 127
5.2.2 深層網絡前嚮傳播過程 128
5.2.3 深層網絡後嚮傳播過程 129
5.2.4 傳播過程總結 130
5.3 網絡的參數 132
5.4 代碼實現 133
5.4.1 Python版本 133
5.4.2 PaddlePaddle版本 136
本章小結 140
6章 捲積神經網絡 141
6.1 圖像分類問題描述 141
6.2 捲積神經網絡介紹 142
6.2.1 捲積層 142
6.2.2 ReLU激活函數 147
6.2.3 池化層 148
6.2.4 Softmax分類層 149
6.2.5 主要特點 151
6.2.6 經典神經網絡架構 152
6.3 PaddlePaddle實現 159
6.3.1 數據介紹 159
6.3.2 模型概覽 160
6.3.3 配置說明 160
6.3.4 應用模型 168
本章小結 169
7章 個性化推薦 170
7.1 問題描述 170
7.2 傳統推薦方法 171
7.2.1 基於內容的推薦 172
7.2.2 協同過濾推薦 173
7.2.3 混閤推薦 175
7.3 深度學習推薦方法 176
7.3.1 YouTube的深度神經網絡推薦係統 176
7.3.2 融閤推薦係統 178
7.4 個性化推薦係統在PaddlePaddle上的實現 180
7.4.1 數據準備 180
7.4.2 模型配置 182
7.4.3 模型訓練 184
7.4.4 模型測試 188
本章小結 188
8章 個性化推薦的分布式實現 190
8.1 PaddlePaddle Cloud介紹 190
8.2 PaddlePaddle Cloud使用 192
8.2.1 創建集群 192
8.2.2 配置集群 192
8.2.3 配置客戶端 193
8.3 個性化推薦在PaddlePaddle Cloud上的實現 194
8.3.1 提交單節點任務 194
8.3.2 個性化推薦在PaddlePaddle Cloud上的實現 196
本章小結 199
9章 廣告CTR預估 200
9.1 CTR預估簡介 200
9.1.1 CTR定義 201
9.1.2 CTR與推薦算法的異同 202
9.1.3 CTR預估的評價指標 202
9.2 CTR預估的基本過程 205
9.2.1 CTR預估的三個階段 206
9.2.2 CTR預估中的特徵預處理 206
9.3 CTR預估的常見模型 208
9.3.1 LR模型 208
9.3.2 GBDT模型 210
9.3.3 GBDT+LR模型 212
9.3.4 FM+DNN模型 214
9.3.5 MLR模型 215
9.4 CTR預估在工業上的實現 217
9.5 CTR預估在PaddlePaddle上的實現 218
9.5.1 數據集 218
9.5.2 預測模型選擇和構建 219
9.5.3 PaddlePaddle完整實現 222
本章小結 226
10章 算法優化 227
10.1 基礎知識 227
10.1.1 訓練、驗證和測試集 227
10.1.2 偏差和方差 228
10.2 評估 229
10.2.1 選定評估目標 229
10.2.2 迭代過程 230
10.2.3 欠擬閤和過擬閤 230
10.3 調優策略 231
10.3.1 降低偏差 231
10.3.2 降低方差 236
10.4 超參數調優 242
10.4.1 隨機搜索和網格搜索 242
10.4.2 超參數範圍 243
10.4.3 分階段搜索 243
10.4.4 例子：對學習率的調整 244
本章小結 245
用户评价
评分
评分
评分
评分
评分
评分
评分
评分
评分
相关图书
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有