作品简介

深度学习是人工智能技术和研究领域之一,通过建立阶层人工神经网络在计算机实现人工智能。通过本课程的学习,读者可以了解Python开发环境构建、Python基础、网络爬虫的数据采集、深度学习BP神经网络、卷积神经网络、循环神经网络、遗传算法和进化策略等。本课程理论与实践并重,配套教学视频,知识体系完整全面,读者通过本教程的学习可以构建属于自己的深度学习知识体系,了解人工智能的发展趋势和新技术,并可以往自己感兴趣的方向深挖。本书可作为人工智能初学者的入门书目,也可作为具备一定知识背景的读者的学习参考书籍。

王志立,2019及2020CCF大数据与计算智能大赛奖项获得者,并获得了2019第七届CCF BDCI大数据与计算智能大赛“互联网金融新实体发现”全国二等奖,2020北京数据开放创新应用大赛——科技战疫·大数据公益挑战赛全国第三名,2020年“中兴捧月神算师”算法精英挑战赛全国第二名等多个AI竞赛奖项。曾在国际与国内的学术会议上发表学术论文多篇,先后在腾讯等多家知名企业从事大数据与人工智能算法开发。乐于分享人工智能相关知识。

作品目录

  • 前言
  • 第1章 导论
  • 1.1 本书学习路线
  • 1.2 人工智能与深度学习
  • 1.3 深度学习的算法流程
  • 1.4 总结
  • 第2章 Python开发环境搭建
  • 2.1 Linux服务器
  • 2.2 Windows平台
  • 2.3 使用Anaconda国内源
  • 2.4 Python虚拟环境
  • 2.5 PyCharm远程连接服务器
  • 2.6 总结
  • 第3章 Python基础
  • 3.1 Python简介
  • 3.2 Python初阶学习
  • 3.3 Python进阶学习
  • 3.4 Python高阶学习
  • 3.5 正则表达式
  • 3.6 进程与线程
  • 3.7 总结
  • 第4章 深度学习
  • 4.1 Keras简介
  • 4.2 全连接神经网络
  • 4.3 卷积神经网络
  • 4.4 超参数
  • 4.5 自编码器
  • 4.6 RNN与RNN的变种结构
  • 4.7 代码实践
  • 4.8 总结
  • 第5章 生成对抗网络
  • 5.1 生成对抗网络的原理
  • 5.2 生成对抗网络的训练过程
  • 5.3 实验
  • 5.4 总结
  • 第6章 遗传算法与神经网络
  • 6.1 遗传演化神经网络
  • 6.2 遗传拓扑神经网络
  • 6.3 总结
  • 第7章 迁移学习与计算机视觉
  • 7.1 计算机视觉
  • 7.2 计算机视觉遇上迁移学习
  • 7.3 迁移学习与计算机视觉实践
  • 7.4 总结
  • 第8章 迁移学习与自然语言处理
  • 8.1 自然语言处理预训练模型
  • 8.2 自然语言处理四大下游任务
  • 8.3 迁移学习与自然语言处理竞赛实践
  • 8.4 总结
  • 参考文献
展开全部