返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]深度学习基础与案例教程迟殿委 贾泽豪 著9787111786
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 迟殿委 贾泽豪 著著 | 迟殿委 贾泽豪 著编 | 迟殿委 贾泽豪 著译 | 迟殿委 贾泽豪 著绘
    • 出版社: 机械工业出版社
    • 出版时间:2025-07-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 迟殿委 贾泽豪 著著| 迟殿委 贾泽豪 著编| 迟殿委 贾泽豪 著译| 迟殿委 贾泽豪 著绘
    • 出版社:机械工业出版社
    • 出版时间:2025-07-01
    • 版次:1
    • 印次:1
    • 印刷时间:2025-08-18
    • 字数:434
    • 页数:268
    • 开本:16开
    • ISBN:9787111786368
    • 版权提供:机械工业出版社
  • 作者: 迟殿委 贾泽豪 著
  • 著: 迟殿委 贾泽豪 著 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 69.9
  • ISBN: 9787111786368
  • 出版社: 机械工业出版社
  • 开本: 16开
  • 印刷时间: 2025-08-18
  • 语种: 暂无
  • 出版时间: 2025-07-01
  • 页数: 268
  • 外部编号: 庄村28161
  • 版次: 1
  • 成品尺寸: 暂无
  • 前言
    第1章人工智能基础
    11人工智能简介
    111人工智能的背景
    112人工智能的历史
    113人工智能的定义
    12人工智能的特征
    13人工智能参考框架
    14人工智能研究内容
    141研究领域
    142人工智能算法及分类
    15人工智能研究方向
    151知识图谱
    152自然语言处理
    153人机交互
    154计算机视觉
    16思考与练习
    第2章机器学习与深度
    学习入门
    21机器学习简介
    211什么是机器学习
    212机器学习的发展史
    213机器学习的分类
    22机器学习的基础理论
    221机器学习三要素与核心
    222机器学习开发流程
    22315种经典机器学习算法
    224机器学习常用术语
    23深度学习简介
    231什么是深度学习
    232深度学习开发框架
    233TensorFlow框架介绍
    24人工智能、机器学习、深度
    学习的关系
    25思考与练习
    第3章线性模型
    31线性回归算法
    311线性回归简介
    312回归算法的评价指标
    32梯度下降法
    321算法理解
    322随机梯度下降法理论
    323案例:波士顿房价预测实战
    33过拟合
    331过拟合产生的原因
    332常见线性回归正则化方法
    333案例:波士顿房价预测正
    则化实战
    34逻辑斯谛回归
    341逻辑斯谛回归算法
    342案例:求职录用情况
    回归实战
    35SVM
    351SVM算法概述
    352案例:面部识别应用实战
    36思考与练习
    第4章神经网络基础
    41神经网络简介
    411神经网络理论
    412发展历史及现状
    413发展趋向及前沿问题
    414神经网络的学习方法
    415神经网络的研究趋势
    42感知机
    421单层感知机
    422多层感知机
    43全连接神经网络
    431全连接神经网络与
    多层感知机
    432全连接神经网络的结构
    44BP神经网络
    441梯度下降法
    442反向传播算法
    443案例:基于BP神经网络模型的
    房价预测实战
    45Dropout正则化
    46批标准化
    461批标准化的实现方式
    462批标准化的使用方式
    463案例:手写数字识别
    分类实战
    47思考与练习
    第5章卷积神经网络
    51卷积神经网络简介
    511什么是卷积神经网络
    512卷积神经网络的基本模型
    513卷积神经网络典型的
    应用开发流程
    52AlexNet模型
    521AlexNet模型简介
    522AlexNet的特点
    523AlexNet的网络结构
    524案例:基于AlexNet的Cifar10
    分类实战
    53VGGNet模型
    531 VGGNet模型简介
    532 VGG16的网络架构
    533案例:基于VGG16的Cifar10
    分类实战
    54ResNet模型
    541ResNet模型简介
    542残差学习
    543ResNet的网络结构
    544案例:基于ResNet的Cifar10
    分类实战
    55DenseNet模型
    551DenseNet模型简介
    552DenseNet的结构
    553案例:基于DenseNet的猫狗图像
    分类实战
    56思考与练习
    第6章循环神经网络
    61循环神经网络简介
    611什么是循环神经网络
    612循环神经网络的结构
    613案例:基于循环神经网络的文本
    情感分析实战
    62LSTM模型
    621LSTM简介
    622LSTM结构
    623BiLSTM
    624案例:基于LSTM的文本情感
    分析实战
    63思考与练习
    第7章Transformer模型
    71自注意力机制
    72自编码器
    721自编码器简介
    722最简单的自编码器
    723案例:基于自编码器的MNIST
    数据集重建实战
    73Transformer机制及应用
    731Transformer机制
    732Transformer模型的应用及
    研究进展
    733案例:Transformer编码器的
    简单实现
    74思考与练习
    第8章生成对抗网络
    81生成对抗网络简介
    811GAN模型
    812案例:基于GAN的手写数字
    识别实战
    82DCGAN
    821DCGAN模型
    822案例:基于DCGAN的手写数字
    数据生成
    83CGAN
    831CGAN模型
    832案例:基于CGAN的手写数字
    数据生成
    84思考与练习
    第9章迁移学习
    91迁移学习简介
    911迁移学习的背景
    912迁移学习的理论
    913迁移学习的分类
    914迁移学习的实现方法
    915应用、挑战及意义
    916案例:基于迁移学习的Cifar10
    分类实战
    92迁移学习的应用
    921迁移学习在深度学习中的
    应用
    922迁移学习在强化学习中的
    应用
    93思考与练习
    第10章综合实战——电影评论
    情感分析
    101文本分类综述
    1011背景
    1012文本分类的概念
    102项目实现过程
    1021词嵌入向量
    1022IMDb数据集及处理
    1023使用RNN进行情感分析
    1024使用LSTM进行情感分析
    103思考与练习
    第11章综合实战——图像分类
    111项目需求和数据集
    1111项目需求
    1112数据集
    112项目实现过程
    1121导入数据包
    1122处理数据
    1123搭建神经网络
    1124设置优化器、损失函数
    1125存取模型、断点续训
    1126保存参数
    1127可视化
    1128预测测试集
    1129打包程序
    113思考与练习
    参考文献

    迟殿委,计算机软件与理论专业硕士,副教授、高级工程师。有丰富企业软件研发经验和技术培训经验,企业系统架构设计师。研究方向为机器学习,已出版多部与大数据分析与挖掘相关教材,发表与深度学习相关学术论文10余篇。立项省厅级教学改革课题1项,立项教育部协同育人项目1项,参与厅级项目多项。发表SCI、EI检索论文10余篇,立项厅级项目2项。

    1.涉及人工智能基础、深度学习算法原理、深度学习项目实战。
    2.在介绍理论内容时配有公式推导和详细的阐述。
    3.每个算法理论都对应一个案例进行巩固。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购