深度學習（R語言版）

定　價：￥79.00

作　者：	[英] 斯沃納·古普塔（Swarna Gupta）著
出版社：	清華大學出版社
叢編項：	人工智能科學與技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥59.25)

ISBN：	9787302606987	出版時間：	2022-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	232	字數(shù)：

內(nèi)容簡介

　　針對每個想要了解深度學習概念的數(shù)據(jù)科學愛好者，本書通過通俗易懂地解釋R代碼，讓讀者可以很容易起步。在深度學習算法和應(yīng)用的理論和實踐方面做到了平衡，在講述基礎(chǔ)理論的同時，通過45個基于R語言的編程實例讓讀者循序漸進地掌握深度學習技術(shù)。讀者將通過實戰(zhàn)案例實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長短時記憶網(wǎng)絡(luò)（LSTM）、序列到序列模型、生成對抗網(wǎng)絡(luò)（GAN）和強化學習，還將學習使用GPU進行大型數(shù)據(jù)集的高性能計算，以及R語言中的并行計算編程。各個部分內(nèi)容安排合理，按照“準備工作→操作步驟→原理解析→內(nèi)容拓展→參考閱讀”的流程組織內(nèi)容，清楚地講解實戰(zhàn)案例的實現(xiàn)過程。

作者簡介

　　斯沃納·古普塔擁有計算機科學學士學位，在數(shù)據(jù)科學領(lǐng)域有6年的經(jīng)驗。她目前以數(shù)據(jù)科學家的身份與勞斯萊斯合作。她的工作圍繞著利用數(shù)據(jù)科學和機器學習為企業(yè)創(chuàng)造價值。她在車輛遠程信息處理和太陽能制造工業(yè)中廣泛從事基于物聯(lián)網(wǎng)的項目，在她目前與勞斯萊斯的合作中，她致力于各種深入學習技術(shù)和解決航空領(lǐng)域車隊問題的解決方案。她還從繁忙的日程中抽出時間，成為社會組織的定期公益貢獻者，借助數(shù)據(jù)科學和機器學習，幫助他們解決具體的商業(yè)問題。

圖書目錄

目錄

第1章理解人工神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)

1.1配置環(huán)境

1.1.1準備工作

1.1.2操作步驟

1.1.3原理解析

1.1.4內(nèi)容拓展

1.1.5參考閱讀

1.2神經(jīng)網(wǎng)絡(luò)的Keras實現(xiàn)

1.3序貫?zāi)Ｐ虯PI

1.3.1準備工作

1.3.2操作步驟

1.3.3原理解析

1.3.4內(nèi)容拓展

1.3.5參考閱讀

1.4函數(shù)式API

1.4.1操作步驟

1.4.2原理解析

1.4.3內(nèi)容拓展

1.5TensorFlow Estimator API

1.5.1準備工作

1.5.2操作步驟

1.5.3原理解析

1.5.4內(nèi)容拓展

1.5.5參考閱讀

1.6TensorFlow Core API

1.6.1準備工作

1.6.2操作步驟

1.6.3原理解析

1.7實現(xiàn)單層神經(jīng)網(wǎng)絡(luò)

1.7.1準備工作

1.7.2操作步驟

1.7.3原理解析

1.7.4內(nèi)容拓展

1.7.5參考閱讀

1.8實現(xiàn)第一個深度神經(jīng)網(wǎng)絡(luò)

1.8.1準備工作

1.8.2操作步驟

1.8.3原理解析

1.8.4內(nèi)容拓展

1.8.5參考閱讀

第2章卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)

2.1卷積運算導論

2.1.1準備工作

2.1.2操作步驟

2.1.3原理解析

2.1.4內(nèi)容拓展

2.1.5參考閱讀

2.2理解卷積步幅和填充

2.2.1操作步驟

2.2.2原理解析

2.3掌握池化層

2.3.1準備工作

2.3.2操作步驟

2.3.3原理解析

2.3.4內(nèi)容拓展

2.3.5參考閱讀

2.4實現(xiàn)遷移學習

2.4.1準備工作

2.4.2操作步驟

2.4.3原理解析

2.4.4內(nèi)容拓展

2.4.5參考閱讀

第3章循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn)

3.1使用RNN實現(xiàn)情感分類

3.1.1準備工作

3.1.2操作步驟

3.1.3原理解析

3.1.4內(nèi)容拓展

3.1.5參考閱讀

3.2使用LSTM實現(xiàn)文本生成

3.2.1準備工作

3.2.2操作步驟

3.2.3原理解析

3.2.4內(nèi)容拓展

3.2.5參考閱讀

3.3使用GRU實現(xiàn)時間序列預(yù)測

3.3.1準備工作

3.3.2操作步驟

3.3.3原理解析

3.3.4內(nèi)容拓展

3.3.5參考閱讀

3.4實現(xiàn)雙向循環(huán)神經(jīng)網(wǎng)絡(luò)

3.4.1操作步驟

3.4.2原理解析

3.4.3內(nèi)容拓展

第4章使用Keras實現(xiàn)自動編碼器

4.1實現(xiàn)基本自動編碼器

4.1.1準備工作

4.1.2操作步驟

4.1.3原理解析

4.1.4內(nèi)容拓展

4.2降維自動編碼器

4.2.1準備工作

4.2.2操作步驟

4.2.3原理解析

4.2.4內(nèi)容拓展

4.3去噪自動編碼器

4.3.1準備工作

4.3.2操作步驟

4.3.3原理解析

4.3.4內(nèi)容拓展

4.4自動編碼器的黑白圖像著色實戰(zhàn)

4.4.1準備工作

4.4.2操作步驟

4.4.3原理解析

4.4.4參考閱讀

第5章深度生成模型

5.1使用GAN生成圖像

5.1.1準備工作

5.1.2操作步驟

5.1.3原理解析

5.1.4內(nèi)容拓展

5.1.5參考閱讀

5.2實現(xiàn)深度卷積生成對抗網(wǎng)絡(luò)

5.2.1準備工作

5.2.2操作步驟

5.2.3原理解析

5.2.4內(nèi)容拓展

5.2.5參考閱讀

5.3實現(xiàn)變分自動編碼器

5.3.1準備工作

5.3.2操作步驟

5.3.3原理解析

5.3.4參考閱讀

第6章使用大規(guī)模深度學習處理大數(shù)據(jù)

6.1基于亞馬遜云服務(wù)的深度學習

6.1.1準備工作

6.1.2操作步驟

6.1.3原理解析

6.2基于微軟Azure平臺的深度學習

6.2.1準備工作

6.2.2操作步驟

6.2.3原理解析

6.2.4內(nèi)容拓展

6.2.5參考閱讀

6.3基于谷歌云平臺的深度學習

6.3.1準備工作

6.3.2操作步驟

6.3.3原理解析

6.3.4內(nèi)容拓展

6.4基于MXNet的深度學習

6.4.1準備工作

6.4.2操作步驟

6.4.3原理解析

6.4.4內(nèi)容拓展

6.5使用MXNet實現(xiàn)深度學習網(wǎng)絡(luò)

6.5.1準備工作

6.5.2操作步驟

6.5.3原理解析

6.6使用MXNet實現(xiàn)預(yù)測建模

6.6.1準備工作

6.6.2操作步驟

6.6.3原理解析

第7章自然語言處理

7.1神經(jīng)機器翻譯

7.1.1準備工作

7.1.2操作步驟

7.1.3原理解析

7.1.4內(nèi)容拓展

7.1.5參考閱讀

7.2使用深度學習生成文本摘要

7.2.1準備工作

7.2.2操作步驟

7.2.3原理解析

7.2.4內(nèi)容拓展

7.2.5參考閱讀

7.3語音識別

7.3.1準備工作

7.3.2操作步驟

7.3.3原理解析

7.3.4內(nèi)容拓展

第8章深度學習之計算機視覺實戰(zhàn)

8.1目標定位

8.1.1準備工作

8.1.2操作步驟

8.1.3原理解析

8.1.4內(nèi)容拓展

8.2人臉識別

8.2.1準備工作

8.2.2操作步驟

8.2.3原理解析

8.2.4內(nèi)容拓展

8.2.5參考閱讀

第9章實現(xiàn)強化學習

9.1使用MDPtoolbox實現(xiàn)有模型強化學習

9.1.1準備工作

9.1.2操作步驟

9.1.3原理解析

9.1.4內(nèi)容拓展

9.2無模型強化學習

9.2.1準備工作

9.2.2操作步驟

9.2.3原理解析

9.2.4參考閱讀

9.3使用強化學習求解懸崖尋路問題

9.3.1準備工作

9.3.2操作步驟

9.3.3原理解析

9.3.4內(nèi)容拓展