123,123

內(nèi)容簡(jiǎn)介

　　《Python與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》的特點(diǎn)如下：一是理論與實(shí)踐結(jié)合，在較詳細(xì)、全面地講解理論后，會(huì)配上相應(yīng)的代碼實(shí)現(xiàn)，以加深讀者對(duì)相應(yīng)算法的理解：二是注重基礎(chǔ)，《Python與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》不僅介紹了神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，還涵蓋了傳統(tǒng)的、經(jīng)典的、基礎(chǔ)的機(jī)器學(xué)習(xí)算法的大意及這些算法與神經(jīng)網(wǎng)絡(luò)在本質(zhì)上的聯(lián)系：三是注重創(chuàng)新，《Python與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》介紹了許多新穎、有效的技術(shù)；四是注重應(yīng)用，《Python與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》最后兩章著重介紹了如何搭建應(yīng)用于現(xiàn)實(shí)任務(wù)的神經(jīng)網(wǎng)絡(luò)框架（該框架不僅具有可擴(kuò)展性，也兼顧了用戶友好性，能在各個(gè)領(lǐng)域中發(fā)揮作用）。《Python與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》主要介紹了經(jīng)典傳統(tǒng)機(jī)器學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)技術(shù)入門要點(diǎn)、從傳統(tǒng)算法走向神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)進(jìn)階、半自動(dòng)化機(jī)器學(xué)習(xí)框架等內(nèi)容。為廣大讀者提供了大量實(shí)用的學(xué)習(xí)資料?！禤ython與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》的編寫目的是介紹一種機(jī)器學(xué)習(xí)的入門方法。雖然市面上已經(jīng)有許多機(jī)器學(xué)習(xí)的相關(guān)書籍，但大多數(shù)書籍要么過(guò)于偏重理論，要么過(guò)于偏重應(yīng)用，要么過(guò)于“厚重”?！禤ython與神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)研究》致力于理論與實(shí)踐相結(jié)合，在講述理論的同時(shí)，利用Python這種簡(jiǎn)明、實(shí)用的編程語(yǔ)言進(jìn)行一系列的實(shí)踐與應(yīng)用。

作者簡(jiǎn)介

　　曹玉嬋，女，副教授，計(jì)算機(jī)碩士學(xué)位，云南林業(yè)職業(yè)技術(shù)學(xué)院信息工程學(xué)院數(shù)字媒體藝術(shù)設(shè)計(jì)專業(yè)負(fù)責(zé)人，參與國(guó)家重點(diǎn)課題一項(xiàng)，廳級(jí)項(xiàng)目多項(xiàng)，主持過(guò)3項(xiàng)課題，正式發(fā)表學(xué)術(shù)論文20余篇，主編教材2本，副主編6本，參編多本，指導(dǎo)學(xué)生多次在國(guó)家和省級(jí)競(jìng)賽中，獲得好成績(jī)，教學(xué)效果突出，多次獲得先進(jìn)教師稱號(hào)。

圖書目錄

第1章 Python與機(jī)器學(xué)習(xí)入門
1．1 機(jī)器學(xué)習(xí)緒論
1．2 Python簡(jiǎn)介
1．3 第一個(gè)機(jī)器學(xué)習(xí)樣例
第2章經(jīng)典傳統(tǒng)機(jī)器學(xué)習(xí)算法
2．1 樸素貝葉斯
2．2 決策樹
2．3 支持向量機(jī)
2．4 Logistic回歸
第3章神經(jīng)網(wǎng)絡(luò)
3．1 從感知機(jī)到多層感知機(jī)
3．2 前向傳導(dǎo)算法
3．3 反向傳播算法
3．4 特殊的層結(jié)構(gòu)
3．5 參數(shù)的更新
3．6 樸素的網(wǎng)絡(luò)結(jié)構(gòu)
3．7 “大數(shù)據(jù)”下的網(wǎng)絡(luò)結(jié)構(gòu)
第4章從傳統(tǒng)算法走向神經(jīng)網(wǎng)絡(luò)
4．1 樸素貝葉斯的線性形式
4．2 決策樹生成算法的本質(zhì)
4．3 模型轉(zhuǎn)換的局限性
第5章卷積神經(jīng)網(wǎng)絡(luò)
5．1 卷積神經(jīng)網(wǎng)絡(luò)速成
5．2 手寫數(shù)字識(shí)別
5．3 Keras中的圖像增強(qiáng)
第6章循環(huán)神經(jīng)網(wǎng)絡(luò)
6．1 循環(huán)神經(jīng)網(wǎng)絡(luò)速成
6．2 多層感知器的時(shí)間序列預(yù)測(cè)：國(guó)際旅行游客人數(shù)預(yù)測(cè)
6．3 LSTM時(shí)間序列問(wèn)題預(yù)測(cè)：國(guó)際旅行游客人數(shù)預(yù)測(cè)
6．4 序列分類：IMDB影評(píng)分類
6．5 多變量時(shí)間序列預(yù)測(cè)：PM2．5預(yù)報(bào)
第7章神經(jīng)網(wǎng)絡(luò)進(jìn)階
7．1 層結(jié)構(gòu)內(nèi)部的額外工作
7．2 “淺”與“深”的結(jié)合
7．3 神經(jīng)網(wǎng)絡(luò)中的“決策樹”
7．4 神經(jīng)網(wǎng)絡(luò)中的剪枝
7．5 AdvancedNN的結(jié)構(gòu)設(shè)計(jì)
7．6 AdvancedNN的實(shí)際性能
第8章文本處理
8．1 逗號(hào)分隔值（CSV）
8．2 JSON
8．3 可擴(kuò)展標(biāo)記語(yǔ)言
8．4 相關(guān)模塊
第9章因特網(wǎng)客戶端編程
9．1 因特網(wǎng)客戶端簡(jiǎn)介
9．2 文件傳輸
9．3 網(wǎng)絡(luò)新聞
9．4 電子郵件
9．5 實(shí)戰(zhàn)
第10章深度神經(jīng)網(wǎng)絡(luò)
10．1 創(chuàng)建一個(gè)感知器
10．2 創(chuàng)建一個(gè)單層神經(jīng)網(wǎng)絡(luò)
10．3 創(chuàng)建一個(gè)深度神經(jīng)網(wǎng)絡(luò)
10．4 創(chuàng)建一個(gè)向量量化器
10．5 為序列數(shù)據(jù)分析創(chuàng)建一個(gè)遞歸神經(jīng)網(wǎng)絡(luò)
10．6 在光學(xué)字符識(shí)別數(shù)據(jù)庫(kù)中將字符可視化
第11章半自動(dòng)化機(jī)器學(xué)習(xí)框架
11．1 數(shù)據(jù)的準(zhǔn)備
11．2 數(shù)據(jù)的轉(zhuǎn)換
11．3 AutoBase的實(shí)現(xiàn)補(bǔ)足
11．4 AutoMeta的實(shí)現(xiàn)
11．5 訓(xùn)練過(guò)程的監(jiān)控