Python深度学习

版权信息 书名：Python深度学习 作者：[美] 弗朗索瓦 • 肖莱 译者：张亮 ISBN：978-7-115-48876-3 本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必 究。 您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制 和传播本书内容。 我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。 如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐 号等维权措施，并可能追究法律责任。 091507240605ToBeReplacedWithUserId 版权声明 前言 致谢 关于本书 谁应该阅读这本书 学习路线图 软件 / 硬件需求 源代码 本书论坛 电子书 关于封面 第一部分 深度学习基础 第 1 章 什么是深度学习 1.1 人工智能、机器学习与深度学习 1.1.1 人工智能 1.1.2 机器学习 1.1.3 从数据中学习表示 1.1.4 深度学习之“深度” 1.1.5 用三张图理解深度学习的工作原理 1.1.6 深度学习已经取得的进展 1.1.7 不要相信短期炒作 1.1.8 人工智能的未来 1.2 深度学习之前：机器学习简史 1.2.1 概率建模 1.2.2 早期神经网络 1.2.3 核方法 1.2.4 决策树、随机森林与梯度提升机 1.2.5 回到神经网络 1.2.6 深度学习有何不同 1.2.7 机器学习现状 1.3 为什么是深度学习，为什么是现在 1.3.1 硬件 1.3.2 数据 1.3.3 算法 1.3.4 新的投资热潮 1.3.5 深度学习的大众化 1.3.6 这种趋势会持续吗 第 2 章 神经网络的数学基础 2.1 初识神经网络 2.2 神经网络的数据表示 2.2.1 标量（0D 张量） 2.2.2 向量（1D 张量） 2.2.3 矩阵（2D 张量） 2.2.4 3D 张量与更高维张量 2.2.5 关键属性 2.2.6 在 Numpy 中操作张量 2.2.7 数据批量的概念 2.2.8 现实世界中的数据张量 2.2.9 向量数据 2.2.10 时间序列数据或序列数据 2.2.11 图像数据 2.2.12 视频数据 2.3 神经网络的“齿轮”：张量运算 2.3.1 逐元素运算 2.3.2 广播 2.3.3 张量点积 2.3.4 张量变形 2.3.5 张量运算的几何解释 2.3.6 深度学习的几何解释 2.4 神经网络的“引擎”：基于梯度的优化 2.4.1 什么是导数 2.4.2 张量运算的导数：梯度 2.4.3 随机梯度下降 2.4.4 链式求导：反向传播算法 2......