深度學(xué)習(xí)工程師認(rèn)證初級教程

第1章 數(shù)學(xué)基礎(chǔ)/1
1.1 微積分基礎(chǔ) /2
1.1.1 極限與積分 /2
1.1.2 導(dǎo)數(shù)和二階導(dǎo)數(shù) /4
1.1.3 方向?qū)?shù)和梯度 /5
1.1.4 凸函數(shù)和極值 /7
1.1.5 最優(yōu)化方法 /8
1.2 概率與統(tǒng)計基礎(chǔ) /11
1.2.1 古典概率 /11
1.2.2 常用概率分布 /12
1.2.3 貝葉斯公式 /14
1.2.4 假設(shè)檢驗 /14
1.3 線性代數(shù)基礎(chǔ) /17
1.3.1 矩陣和向量 /17
1.3.2 矩陣乘法 /18
1.3.3 矩陣的特征值和特征向量 /19
習(xí) 題 /20
第2章 Python基礎(chǔ)/21
2.1 Python概論 /22
2.1.1 Python簡介 /22
2.1.2 Python入門 /23
2.2 NumPy函數(shù)庫基礎(chǔ) /25
2.2.1 NumPy簡介 /25
2.2.2 NumPy入門 /26
2.3 Matplotlib函數(shù)庫基礎(chǔ) /35
2.3.1 Matplotlib簡介 /35
2.3.2 Matplotlib入門 /35
2.4 Pandas函數(shù)庫基礎(chǔ) /38
2.4.1 Pandas簡介 /38
2.4.2 Pandas入門 /38
2.5 Sklearn函數(shù)庫基礎(chǔ) /40
2.5.1 Sklearn簡介 /40
2.5.2 Sklearn入門 /40
習(xí) 題 /44
第3章 機(jī)器學(xué)習(xí)/45
3.1 機(jī)器學(xué)習(xí)概論 /46
3.1.1 監(jiān)督學(xué)習(xí)概述 /46
3.1.2 無監(jiān)督學(xué)習(xí)概述 /47
3.1.3 強(qiáng)化學(xué)習(xí)概述 /49
3.2 監(jiān)督學(xué)習(xí) /50
3.2.1 回歸與分類 /50
3.2.2 決策樹 /56
3.2.3 神經(jīng)網(wǎng)絡(luò) /60
3.2.4 樸素貝葉斯 /63
3.2.5 支持向量機(jī) /66
3.3 無監(jiān)督學(xué)習(xí) /71
3.3.1 K Means算法 /71
3.3.2 降 維 /72
習(xí) 題 /75
第4章 深度學(xué)習(xí)/78
4.1 深度學(xué)習(xí)概論 /79
4.1.1 深度學(xué)習(xí)發(fā)展歷程 /79
4.1.2 深度學(xué)習(xí)的應(yīng)用 /82
4.1.3 深度學(xué)習(xí)框架介紹 /83
4.2 深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu) /84
4.2.1 單層神經(jīng)網(wǎng)絡(luò) /84
4.2.2 淺層神經(jīng)網(wǎng)絡(luò) /88
4.2.3 深層神經(jīng)網(wǎng)絡(luò) /92
4.3 卷積網(wǎng)絡(luò) /96
4.3.1 卷積神經(jīng)網(wǎng)絡(luò)簡介 /96
4.3.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) /97
4.3.3 經(jīng)典卷積網(wǎng)絡(luò)模型 /104
4.4 循環(huán)和遞歸網(wǎng)絡(luò) /112
4.4.1 循環(huán)神經(jīng)網(wǎng)絡(luò) /112
4.4.2 編碼器與解碼器 /116
4.4.3 遞歸神經(jīng)網(wǎng)絡(luò) /118
4.4.4 長短期記憶 /120
深度學(xué)習(xí)
工程師認(rèn)證初級教程
4.5 深度生成模型 /122
4.5.1 玻耳茲曼機(jī) /122
4.5.2 深度信念網(wǎng)絡(luò) /125
4.5.3 有向生成網(wǎng)絡(luò) /126
4.5.4 生成隨機(jī)網(wǎng)絡(luò) /132
習(xí) 題 /133
第5章 深度學(xué)習(xí)平臺實戰(zhàn)/135
5.1 深度學(xué)習(xí)平臺介紹及環(huán)境搭建 /136
5.1.1 飛槳介紹 /136
5.1.2 飛槳環(huán)境搭建 /136
5.2 飛槳入門 /137
5.2.1 數(shù)據(jù)預(yù)處理的常規(guī)方法 /137
5.2.2 模型概覽 /138
5.2.3 訓(xùn)練模型 /138
5.2.4 應(yīng)用模型 /142
5.3 飛槳典型案例 /144
5.3.1 手寫數(shù)字識別 /144
5.3.2 圖像分類 /152
5.3.3 詞向量 /162
5.3.4 情感分析 /171
5.3.5 語義角色標(biāo)注 /180
習(xí) 題 /190
第6章 深度學(xué)習(xí)行業(yè)應(yīng)用案例介紹/192
6.1 深度學(xué)習(xí)在計算機(jī)視覺中的應(yīng)用 /193
6.1.1 概述及現(xiàn)狀 /193
6.1.2 圖像分類 /193
6.1.3 目標(biāo)檢測 /195
6.1.4 圖像分割 /198
6.2 深度學(xué)習(xí)在自然語言處理中的應(yīng)用 /200
6.2.1 概述及現(xiàn)狀 /200
6.2.2 機(jī)器翻譯 /200
6.2.3 問答系統(tǒng) /202
6.2.4 文本情感分析 /203
6.3 深度學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用 /204
6.3.1 概述及現(xiàn)狀 /204
6.3.2 視頻推薦 /205
6.3.3 CTR預(yù)估 /206
6.4 深度學(xué)習(xí)在語音技術(shù)中的應(yīng)用 /209
6.4.1 概述及現(xiàn)狀 /209
6.4.2 語音識別 /209
6.4.3 語音合成 /211
習(xí) 題 /212
參考文獻(xiàn)/213