☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

適讀人群 ：本書適閤的讀者主要包含：對PaddlePaddle框架感興趣的開發者，希望學習深度學習的在校大學生和在職的程序員，從事深度學習教學工作的一綫教和希望深入理解深度學習的産品經
　　（1）百度旗下“深度學習技術及應用國傢工程實驗室”、百度技術學院聯閤北航人工智能專傢共同撰寫，行業實踐與學術理論兼顧
　　（2）李德毅院士、百度公司總裁張亞勤博士、百度公司高級副總裁/AI技術平颱體係總負責人王海峰、北京航空航天大學計算機學院教授/博士生導師呂衛鋒 、百度技術委員會理事長/百度技術學院院長陳尚義聯袂推薦

內容簡介

　　本書采用由簡入繁的原則撰寫而成。我們希望本書能成為一名能帶領讀者領略PaddlePaddle精妙的精神導遊。從較為簡單的綫性迴歸、邏輯迴歸到較為復雜的RNN數字識彆、個性化推薦、雲上部署等，本書結閤若乾實例，係統地介紹瞭PaddlePaddle的使用特點。教會讀者如何使用框架就像教會瞭讀者一套外功拳法。然而本書不僅關注框架本身的細節用法，還非常注重基礎知識和理論，目的是教會讀者內功心法。書中既詳細描述瞭神經網絡的各個細節，也深入講解瞭算法性能優化的思路和技巧，旨在幫助讀者深入理解深度學習的精髓。本書共分為10章，每一章都包含理論介紹和對應的代碼實現。

作者簡介

　　劉祥龍
　　北航計算機學院、軟件開發環境國傢重點實驗室副教授。主要研究視覺計算、深度學習、群體智能等，在國際上較係統地研究瞭多模式哈希和互補多哈希錶檢索方法。近年來，參與“核高基”國傢重大專項、國傢自然科學基金重大專項等多個國傢課題。發錶CVPR、ICCV、AAAI、IJCAI、IEEETIP等人工智能、計算機視覺領域國際/知名會議和期刊論文40餘篇。擔任SCI期刊FCS青年副主編，人工智能/多媒體會議ACMMM、AAAI和PCM等多個知名國際會議的程序委員會委員，以及IEEETIP、TNNLS、TMM等十餘個國際知名期刊和會議審稿人。
　　楊晴虹
　　北航副教授，高級工程師。北航博士，美國南康涅狄格州立大學圖書信息科學訪問學者，美國耶魯大學技術創新實驗室數據分析專傢。發錶國際論文幾十篇，主要研究領域有機器學習、知識挖掘、大數據分析、項目管理和科研管理等。在機器學習、深度學習、神經網絡等領域有豐富的實踐經驗，曾主導和參與多個相關的項目並取得成功。
　　譚中意
　　百度研發工程師，負責百度開源的整體推進工作，有近20年的開發和運營經驗。在百度多個部門工作過，現負責以平颱化/開源的方式提升百度內部整體的研發效率，並包括組織開源技術委員會，對百度對外的開源進行整體的推動工作。中國開源推進聯盟（COPU）副秘書長。
　　蔣曉琳
　　百度公司技術管理部高級工程師，之前任職於中國信息通信研究院。曾參與主導超過30餘項國傢/行業標準，以及多項國際標準。在人工智能、雲計算、大數據等領域參與申報和管理的國傢重大專項達10餘個。
　　白浩傑
　　北航特聘講師，美國佛羅裏達國際大學高性能數據實驗室訪問學者，緻力於移動對象數據庫、數據可視化、機器學習、深度學習等方嚮的研究。徑點科技有限公司高級工程師，尚矽榖IT教育前端教學總監。

目錄

CONTENTS
目錄
序
前言
緻謝
第1章數學基礎與Python庫1
1.1Python是進行人工智能編程的
主要語言1
1.2數學基礎4
1.2.1綫性代數基礎4
1.2.2微積分基礎8
1.3Python庫的操作17
1.3.1numpy操作17
1.3.2matplotlib操作23
本章小結27
第2章深度學習概論與PaddlePaddle入門28
2.1人工智能、機器學習與深度學習29
2.1.1人工智能30
2.1.2機器學習30
2.1.3深度學習31
2.2深度學習的發展曆程32
2.2.1神經網絡的第一次高潮32
2.2.2神經網絡的第一次寒鼕33
2.2.3神經網絡的第二次高潮34
2.2.4神經網絡的第二次寒鼕35
2.2.5深度學習的來臨35
2.2.6深度學習崛起的時代背景36
2.3深度學習的應用場景36
2.3.1圖像與視覺37
2.3.2語音識彆37
2.3.3自然語言處理38
2.3.4個性化推薦38
2.4常見的深度學習網絡結構39
2.4.1全連接網絡結構39
2.4.2捲積神經網絡40
2.4.3循環神經網絡41
2.5機器學習迴顧41
2.5.1綫性迴歸的基本概念42
2.5.2數據處理44
2.5.3模型概覽45
2.5.4效果展示46
2.6深度學習框架簡介47
2.6.1深度學習框架的作用47
2.6.2常見的深度學習框架48
2.6.3PaddlePaddle簡介49
2.6.4PaddlePaddle使用49
2.7PaddlePaddle實現51
本章小結60
第3章深度學習的單層網絡61
3.1Logistic迴歸模型62
3.1.1Logistic迴歸概述62
3.1.2損失函數64
3.1.3Logistic迴歸的梯度下降66
3.2實現Logistic迴歸模型71
3.2.1Python版本72
3.2.2PaddlePaddle版本81
本章小結90
第4章淺層神經網絡92
4.1神經網絡92
4.1.1神經網絡的定義及其結構92
4.1.2神經網絡的計算94
4.2BP算法100
4.2.1邏輯迴歸與BP算法101
4.2.2單樣本雙層神經網絡的BP算法101
4.2.3多個樣本神經網絡BP算法105
4.3BP算法實踐108
4.3.1Python版本109
4.3.2PaddlePaddle版本116
本章小結122
第5章深層神經網絡123
5.1深層網絡介紹123
5.1.1深度影響算法能力124
5.1.2網絡演化過程與常用符號125
5.2傳播過程127
5.2.1神經網絡算法核心思想127
5.2.2深層網絡前嚮傳播過程128
5.2.3深層網絡後嚮傳播過程129
5.2.4傳播過程總結130
5.3網絡的參數132
5.4代碼實現133
5.4.1Python版本133
5.4.2PaddlePaddle版本136
本章小結140
第6章捲積神經網絡141
6.1圖像分類問題描述141
6.2捲積神經網絡介紹142
6.2.1捲積層142
6.2.2ReLU激活函數147
6.2.3池化層148
6.2.4Softmax分類層149
6.2.5主要特點151
6.2.6經典神經網絡架構152
6.3PaddlePaddle實現159
6.3.1數據介紹159
6.3.2模型概覽160
6.3.3配置說明160
6.3.4應用模型168
本章小結169
第7章個性化推薦170
7.1問題描述170
7.2傳統推薦方法171
7.2.1基於內容的推薦172
7.2.2協同過濾推薦173
7.2.3混閤推薦175
7.3深度學習推薦方法176
7.3.1YouTube的深度神經網絡推薦係統176
7.3.2融閤推薦係統178
7.4個性化推薦係統在PaddlePaddle上的實現180
7.4.1數據準備180
7.4.2模型配置182
7.4.3模型訓練184
7.4.4模型測試188
本章小結188
第8章個性化推薦的分布式實現190
8.1PaddlePaddleCloud介紹190
8.2PaddlePaddleCloud使用192
8.2.1創建集群192
8.2.2配置集群192
8.2.3配置客戶端193
8.3個性化推薦在PaddlePaddleCloud上的實現194
8.3.1提交單節點任務194
8.3.2個性化推薦在PaddlePaddleCloud上的實現196
本章小結199
第9章廣告CTR預估200
9.1CTR預估簡介200
9.1.1CTR定義201
9.1.2CTR與推薦算法的異同202
9.1.3CTR預估的評價指標202
9.2CTR預估的基本過程205
9.2.1CTR預估的三個階段206
9.2.2CTR預估中的特徵預處理206
9.3CTR預估的常見模型208
9.3.1LR模型208
9.3.2GBDT模型210
9.3.3GBDT+LR模型212
9.3.4FM+DNN模型214
9.3.5MLR模型215
9.4CTR預估在工業上的實現217
9.5CTR預估在PaddlePaddle上的實現218
9.5.1數據集218
9.5.2預測模型選擇和構建219
9.5.3PaddlePaddle完整實現222
本章小結226
第10章算法優化227
10.1基礎知識227
10.1.1訓練、驗證和測試集227
10.1.2偏差和方差228
10.2評估229
10.2.1選定評估目標229
10.2.2迭代過程230
10.2.3欠擬閤和過擬閤230
10.3調優策略231
10.3.1降低偏差231
10.3.2降低方差236
10.4超參數調優242
10.4.1隨機搜索和網格搜索242
10.4.2超參數範圍243
10.4.3分階段搜索243
10.4.4例子：對學習率的調整244
本章小結245

前言/序言

　　PREFACE前言人工智能（AI）前景無量已經成為業界共識，國內外很多企業都聚集瞭各種資源大力發展人工智能。人工智能並不是一個新生的名詞，在數十年的發展曆程中，像“深度學習”這樣在學術界和工業界皆具顛覆性的技術可謂十年難遇。作為國內人工智能領域的領頭羊，百度在AI領域早已深耕多年，特彆是在深度學習領域建樹頗豐。百度通過應用深度學習技術，使其在語音、視覺、文本、無人駕駛等各領域都處於領先位置。百度著力打造大AI生態，傾其全力推動中國AI産業大力發展。2016年，百度開源瞭其內部使用的深度學習框架PaddlePaddle。
　　深度學習算法十分強大，但深入理解和靈活運用深度學習算法並不是一件容易的事情，尤其是復雜的數學模型和計算過程讓不少同學剛入門就放棄瞭。現在市麵上有不少科普型的書，主要作用是從宏觀上描述深度學習的發展和用途，沒有對細節的描述，隻起到瞭提振讀者信心的作用。同時，也不乏學界大牛的全而難的“大部頭”著作，但是其中幫助初學者入門深度學習的內容並不多。本書針對此現狀立足於PaddlePaddle框架，從算法到應用由淺入深地帶領讀者一步一步進入AI技術世界。
　　本書從實戰的角度齣發，旨在幫助讀者掌握滿足工業需求的實際技能。在真實工業開發中框架是必不可少的，現在市麵上框架很多且各具特色，其中PaddlePaddle因為其具有上手容易、運行效率高、支持私有雲等優勢，受到越來越多的公司和個人的青睞。雖然開發者對PaddlePaddle錶現齣瞭濃厚的興趣，可惜的是市麵上還沒有一本關於PaddlePaddle的書。為瞭讓更多的開發者享受到深度學習帶來的福利，於是由百度發起，特邀北航參與，兩傢精誠閤作聯袂打造瞭本書。
　　本書采用由簡入繁的原則撰寫而成。我們希望本書能成為一名能帶領讀者領略PaddlePaddle精妙的精神導遊。從較為簡單的綫性迴歸、邏輯迴歸到較為復雜的RNN數字識彆、個性化推薦、雲上部署等，本書結閤若乾實例，係統地介紹瞭PaddlePaddle的使用特點。教會讀者如何使用框架就像教會瞭讀者一套外功拳法。然而本書不僅關注框架本身的細節用法，還非常注重基礎知識和理論，目的是教會讀者內功心法。書中既詳細描述瞭神經網絡的各個細節，也深入講解瞭算法性能優化的思路和技巧，旨在幫助讀者深入理解深度學習的精髓。
　　本書共分為10章，每一章都包含理論介紹和對應的代碼實現。除瞭第1章講述主要的數學基礎外，其餘各章都有PaddlePaddle的代碼實現。
　　第1章介紹數學基礎和Python庫的使用。
　　第2章迴顧神經網絡的發展曆程和機器學習的基本概念，使用綫性迴歸作為PaddlePaddle的入門示例。
　　第3章以邏輯迴歸為主綫介紹單個神經元的工作原理，分彆使用numpy庫和PaddlePaddle實現邏輯迴歸模型的貓臉分類。
　　第4章開始正式介紹神經網絡。以雙層的網絡為例深入講解BP算法的計算過程，分彆用numpy庫和PaddlePaddle實現“花”的點集分類問題。
　　第5章介紹深度神經網絡的相關知識，總結神經網絡的核心算法運算過程。然後使用深度網絡再次分彆使用numpy庫和PaddlePaddle實現貓臉分類。
　　第6章以圖像分類為切入點深入講解捲積神經網絡的相關細節，同時介紹幾種經典的網絡模型。接著介紹用PaddlePaddle實現基於MNIST數據集的手寫數字的識彆。
　　第7章介紹個性化推薦係統的算法，包括基於傳統機器學習的推薦方法和基於深度學習的推薦方法，其中重點介紹深度學習的融閤推薦係統。同時介紹使用PaddlePaddle在ml-1m數據集上完成推薦係統的具體實現。
　　第8章以個性化推薦係統為例，詳細講解PaddlePaddleCloud的使用方法，介紹在雲上如何創建、配置集群，如何提交單節點任務等，並實現基於PaddlePaddleCloud搭建分布式深度學習推薦網絡模型。
　　第9章介紹PaddlePaddle的又一個應用場景，即廣告點擊通過率預估（CTR），重點介紹CTR的基本過程和常見模型，然後基於Kaggle數據集網站的Avazu數據集，使用PaddlePaddle實現訓練和預測的整個過程。
　　第10章係統介紹算法優化的思路和方法。從深度學習係統的實踐流程開始，介紹評估和調優策略等重要概念和思想，並結閤實例給齣調優的具體效果。
　　本書適閤的讀者主要包含：
　　對PaddlePaddle框架感興趣的開發者；希望學習深度學習的在校大學生和在職的程序員；從事深度學習教學工作的一綫教師；希望深入理解深度學習的産品經理。
　　閱讀本書最好具備以下要求：至少具有高中以上的數學基礎，具有基本的編程能力（擁有Python編程經驗更好）。如果讀者具有機器學習的相關經驗，那麼學習起來會更加輕鬆。
　　Acknowledgement緻謝本書謹獻給PaddlePaddle社區的開發者和生態用戶們，正是因為你們的熱忱和積極貢獻，纔使得PaddlePaddle深度學習框架得以不斷演進。
　　誠摯感謝百度技術委員會理事長、深度學習技術及應用國傢工程實驗室（DLNEL）秘書長陳尚義先生，他精心組織和策劃瞭本書，可以說沒有他的推動和支持，就沒有本書的問世。
　　感謝百度總裁張亞勤在百忙之中為本書作序，感謝百度副總裁及DLNEL理事長和主任王海峰，因為有瞭他們的肯定和支持，纔使得D

PaddlePaddle深度學習實戰 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價