滿額折
深度學習：基於Keras的Python實踐（簡體書）
相關商品
商品簡介
作者簡介
名人/編輯推薦
目次
商品簡介
本書系統的講解了深度的基本知識，以及使用機器學習解決實際問題，詳細的介紹了如何構建及優化模型，並針對不同的問題給出了不同的解決方案，通過不同的例子展示了具體的項目中的應用和實踐經驗，是一本非常好的深度學習的入門和實踐的書籍。本書以實踐為導向，使用 Keras作為編程框架，強調簡單，快速的上手建立模型，解決實際項目問題。讀者可以根據本書的理解，迅速上手實踐深度學習，並利用深度學習解決實際的問題。本書非常適合于項目經理，有意從事機器學習開發的程序員，以及高校在讀相關專業的學生。
作者簡介
魏貞原，IBM 高級項目經理，主要負責銀行客戶的復雜系統開發。同時是 IBM CIC量子計算 COE 團隊的 Python 領域專家（Subject Matter Expert），負責量子計算應用的探索工作，對機器學習和深度學習有深入的研究，精通于運用機器學習來解決數據科學的問題。並運營“知之Python”公眾號，定期分享 Python 在機器學習和深度學習中的實踐知識。
名人/編輯推薦
本書將介紹一種與傳統方式不同的學習深度學習的方式；主要介紹Keras在Python中生成並評估深度學習的模型 ；本書具有端到端的例子，適合實踐，能夠快速上手，代碼復現容易。
目次
部分 初識1 初識深度學習/21.1 Python的深度學習/21.2 軟件環境和基本要求/31.2.1 Python和SciPy/31.2.2 機器學習/31.2.3 深度學習/41.3 閱讀本書的收獲/41.4 本書說明/41.5 本書中的代碼/52 深度學習生態圈/62.1 TK/62.1.1 安裝TK/72.1.2 TK的簡單例子/82.2 TensorFlow/82.2.1 TensorFlow介紹/82.2.2 安裝TensorFlow/92.2.3 TensorFlow的簡單例子/92.3 Keras/102.3.1 Keras簡介/112.3.2 Keras安裝/112.3.3 配置Keras的后端/112.3.4 使用Keras構建深度學習模型/122.4 云端GPUs計算/13第二部分 多層感知器3 個多層感知器實例：印第安人糖尿病診斷/163.1 概述/163.2 Pima Indians數據集/173.3 導入數據/183.4 定義模型/193.5 編譯模型/203.6 訓練模型/213.7 評估模型/213.8 匯總代碼/224 多層感知器速成/244.1 多層感知器/244.2 神經元/254.2.1 神經元權重/254.2.2 激活函數/264.3 神經網絡/274.3.1 輸入層（可視層）/284.3.2 隱藏層/284.3.3 輸出層/284.4 訓練神經網絡/294.4.1 準備數據/294.4.2 梯度下降算法/304.4.3 權重更新/304.4.4 預測新數據/315 評估深度學習模型/335.1 深度學習模型和評估/335.2 自動評估/345.3 手動評估/365.3.1 手動分離數據集並評估/365.3.2 k折交叉驗證/376 在Keras中使用Scikit-Learn/406.1 使用交叉驗證評估模型/416.2 深度學習模型調參/427 多分類實例：鳶尾花分類/497.1 問題分析/497.2 導入數據/507.3 定義神經網絡模型/507.4 評估模型/527.5 匯總代碼/528 回歸問題實例：波士頓房價預測/548.1 問題描述/548.2 構建基準模型/558.3 數據預處理/578.4 調參隱藏層和神經元/589 二分類實例：銀行營銷分類/619.1 問題描述/619.2 數據導入與預處理/629.3 構建基準模型/649.4 數據格式化/669.5 調參網絡拓撲圖/6610 多層感知器進階/6810.1 JSON序列化模型/6810.2 YAML序列化模型/7410.3 模型增量更新/7810.4 神經網絡的檢查點/8110.4.1 檢查點跟蹤神經網絡模型/8210.4.2 自動保存優模型/8410.4.3 從檢查點導入模型/8610.5 模型訓練過程可視化/8711 Dropout與學習率衰減9211.1 神經網絡中的Dropout/9211.2 在Keras中使用Dropout/9311.2.1 輸入層使用Dropout/9411.2.2 在隱藏層使用Dropout/9511.2.3 Dropout的使用技巧/9711.3 學習率衰減/9711.3.1 學習率線性衰減/9811.3.2 學習率指數衰減/10011.3.3 學習率衰減的使用技巧/103第三部分 卷積神經網絡12 卷積神經網絡速成/10612.1 卷積層/10812.1.1 濾波器/10812.1.2 特征圖/10912.2 池化層/10912.3 全連接層/10912.4 卷積神經網絡案例/11013 手寫數字識別/11213.1 問題描述/11213.2 導入數據/11313.3 多層感知器模型/11413.4 簡單卷積神經網絡/11713.5 復雜卷積神經網絡/12014 Keras中的圖像增強/12414.1 Keras中的圖像增強API/12414.2 增強前的圖像/12514.3 特征標準化/12614.4 ZCA白化/12814.5 旋轉、移動、剪切和反轉圖像/12914.6 保存增強后的圖像/13215 圖像識別實例：CIFAR-10分類/13415.1 問題描述/13415.2 導入數據/13515.3 簡單卷積神經網絡/13615.4 大型卷積神經網絡/14015.5 改進模型/14516 情感分析實例：IMDB影評情感分析/15216.1 問題描述/15216.2 導入數據/15316.3 詞嵌入/15416.4 多層感知器模型/15516.5 卷積神經網絡/157第四部分 循環神經網絡17 循環神經網絡速成/16217.1 處理序列問題的神經網絡/16317.2 循環神經網絡/16417.3 長短期記憶網絡/16518 多層感知器的時間序列預測：國際旅行人數預測/16718.1 問題描述/16718.2 導入數據/16818.3 多層感知器/16918.4 使用窗口方法的多層感知器/17219 LSTM時間序列問題預測：國際旅行人數預測17719.1 LSTM處理回歸問題/17719.2 使用窗口方法的LSTM回歸/18119.3 使用時間步長的LSTM回歸/18519.4 LSTM的批次間記憶/18819.5 堆疊LSTM的批次間記憶/19220 序列分類：IMDB影評分類/19720.1 問題描述/19720.2 簡單LSTM/19720.3 使用Dropout改進過擬合/19920.4 混合使用LSTM和N/20121 多變量時間序列預測：PM2.5預報/20321.1 問題描述/20321.2 數據導入與準備/20421.3 構建數據集/20621.4 簡單LSTM/20722 文本生成實例：愛麗絲夢游仙境/21122.1 問題描述/21122.2 導入數據/21222.3 分詞與向量化/21222.4 詞云/21322.5 簡單LSTM/21522.6 生成文本/219附錄A 深度學習的基本概念/223A.1 神經網絡基礎/223A.2 卷積神經網絡/227A.3 循環神經網絡/229
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。