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:
本店所有商品

  • Python 快乐编程 人工智能—深度学习基础 程序设计 清华大学出版社 正版书籍
  • 新商品上架
    • 作者: 无著
    • 出版社: 清华大学出版社
    • 出版时间:1
    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:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:清华大学出版社
    • 出版时间:1
    • ISBN:9782280143362
    • 版权提供:清华大学出版社

    本书是学习Python编程语言的入门书籍。Python是一种很流行的开源编程语言,可以在各种领域中用于编写独立的程序和脚本。Python免费、可移植、功能强大,而且使用起来相当容易。来自软件产业各个角落的程序员都已经发现,Python对于开发者效率和软件质量的关注,这无论在大项目还是小项目中都是一个战略性的优点。

    基本信息
    商品名称: 开本: 16开
    作者: 千锋教育高教产品研发部 定价: 49.00
    ISBN号: 9787302529132 出版时间: 2020-11-01
    出版社: 清华大学出版社 印刷时间: 2020-10-01
    版次: 1 印次: 1

    章深度学习简介

    1.1什么是机器学习

    1.2什么是深度学习

    1.2.1深度学习的发展

    1.2.2深度学习的3个层次

    1.2.3深度学习的3种结构类型

    1.3深度学习的研究现状

    1.4本章小结

    1.5习题

    第2章Theano基础

    2.1初识Theano

    2.2安装Theano

    2.3配置环境变量

    2.4Theano中的符号变量

    2.5Theano编程风格

    2.6Theano中的函数

    2.6.1函数的定义

    2.6.2函数的复制

    2.6.3Theano中重要的函数

    2.7Theano中的符号计算图模型

    2.7.1variable节点

    2.7.2type节点

    2.7.3apply节点

    2.7.4op节点

    2.7.5符号计算图模型

    2.8Theano中的条件表达式

    2.9Theano中的循环

    2.9.1scan循环的参数

    2.9.2scan循环演示

    2.10Theano中的常用Debug技巧

    2.11本章小结

    2.12习题

    第3章线性代数基础

    3.1标量、向量、矩阵和张量

    3.2线性相关与生成子空间

    3.2.1线性组合

    3.2.2线性相关

    3.2.3向量组的秩

    3.2.4实例: 求解方程组

    3.2.5实例: 线性回归

    3.3范数

    3.3.1向量范数

    3.3.2矩阵范数

    3.4特殊的矩阵与向量

    3.5特征值分解

    3.6奇异值分解

    3.7迹运算

    3.8本章小结

    3.9习题

    第4章概率与信息论

    4.1概率的用途

    4.2样本空间与随机变量

    4.3随机变量的分布函数

    4.4一维随机变量

    4.4.1离散型随机变量和分布律

    4.4.2连续型随机变量和概率密度函数

    4.4.3分辨离散型随机变量和连续型随机变量

    4.5多维随机变量

    4.5.1二维随机变量及其分布函数

    4.5.2边缘分布函数

    4.6数学期望、方差、协方差

    4.6.1数学期望

    4.6.2方差

    4.6.3协方差

    4.7贝叶斯规则

    4.7.1条件概率

    4.7.2贝叶斯公式

    4.7.3朴素贝叶斯

    4.8正态分布与似然估计

    4.8.1正态分布

    4.8.2似然估计

    4.9信息论

    4.9.1信息熵

    4.9.2条件熵

    4.9.3互信息

    4.9.4相对熵与交叉熵

    4.10本章小结

    4.11习题

    第5章深度学习基础知识

    5.1学习算法

    5.1.1任务T

    5.1.2性能度量P

    5.1.3经验E

    5.1.4人工神经网络

    5.1.5反向传播算法

    5.1.6MP神经元模型

    5.1.7激活函数

    5.2容量与拟合

    5.2.1机器学习中的泛化

    5.2.2过拟合

    5.2.3欠拟合

    5.2.4没有免费的午餐定理

    5.3评估方法

    5.4偏差与方差

    5.5监督学习算法

    5.5.1线性回归

    5.5.2Logistic回归

    5.5.3支持向量机

    5.6无监督学习算法

    5.6.1K均值聚类

    5.6.2主成分分析

    5.7本章小结

    5.8习题

    第6章数值计算与化

    6.1计算的稳定性

    6.1.1上溢和下溢

    6.1.2平滑与0

    6.1.3算法稳定性与扰动

    6.2数据的稳定性

    6.2.1独立同分布与泛化能力

    6.2.2类别不平衡

    6.3性能的稳定性

    6.4病态条件数

    6.5梯度下降算法

    6.6优化算法的选择

    6.7本章小结

    6.8习题

    第7章概率图模型

    7.1概率图模型

    7.2生成模型与判别模型

    7.2.1生成模型

    7.2.2判别模型

    7.3表示理论与推理理论

    7.4链式法则和因子分解

    7.5独立性和条件独立性

    7.6贝叶斯网络

    7.7马尔可夫网络

    7.7.1条件独立性

    7.7.2分解性质

    7.7.3图像降噪

    7.8图模型中的推断

    7.8.1链推断

    7.8.2树

    7.8.3因子图

    7.8.4置信传播算法

    7.8.5一般图的推断

    7.8.6学习图结构

    7.9本章小结

    7.10习题

    第8章前馈神经网络

    8.1神经元

    8.2人工神经网络

    8.3感知机

    8.3.1线性单元

    8.3.2感知机的训练

    8.4激活函数

    8.4.1Sigmoid函数

    8.4.2Tanh函数

    8.4.3ReLU函数

    8.4.4Softmax函数

    8.5基于梯度的学习

    8.5.1前馈神经网络的基本概念

    8.5.2随机梯度下降算法

    8.6本章小结

    8.7习题

    第9章反向传播与梯度计算

    9.1风险小化

    9.1.1经验风险小化

    9.1.2结构风险小化

    9.2梯度计算

    9.2.1输出层梯度

    9.2.2隐藏层梯度

    9.2.3参数梯度

    9.2.4梯度消失和梯度

    9.3反向传播

    9.4本章小结

    9.5习题

    0章自编码器

    10.1自编码器概述

    10.2欠完备自编码器

    10.3常见的几种自编码器

    10.3.1降噪自编码器

    10.3.2稀疏自编码器

    10.3.3栈式自编码器

    10.4本章小结

    10.5习题

    1章玻尔兹曼机及其相关模型

    11.1玻尔兹曼机

    11.1.1玻尔兹曼机概述

    11.1.2受限玻尔兹曼机

    11.2能量模型

    11.2.1能量函数

    11.2.2能量函数与势函数

    11.2.3势函数与概率分布

    11.3近似推断

    11.3.1边缘分布

    11.3.2条件分布

    11.4对比散度

    11.5本章小结

    11.6习题

    2章循环神经网络

    12.1循环神经网络概述

    12.2语言模型

    12.3双向循环神经网络

    12.4深度循环神经网络

    12.5循环神经网络的训练

    12.5.1前向计算

    12.5.2误差项的计算

    12.5.3权重梯度的计算

    12.6循环神经网络中的梯度和梯度消失

    12.7RNN的应用举例——基于RNN的语言模型

    12.7.1向量化

    12.7.2Softmax层

    12.7.3语言模型的训练

    12.8本章小结

    12.9习题

    3章递归神经网络

    13.1递归神经网络概述

    13.2递归神经网络的前向计算

    13.3递归神经网络的训练

    13.3.1误差项的传递

    13.3.2权重梯度的计算

    13.3.3权重更新

    13.4长短期记忆网络

    13.4.1遗忘门

    13.4.2输入门与输出门

    13.4.3候选门

    13.5本章小结

    13.6习题

    4章卷积神经网络

    14.1卷积运算

    14.2网络结构

    14.3卷积层

    14.4池化层

    14.5输出值的计算

    14.6池化层输出值的计算

    14.7本章小结

    14.8习题

     

    ......

    本书是学习Python编程语言的入门书籍。Python是一种很流行的开源编程语言,可以在各种领域中用于编写独立的程序和脚本。Python免费、可移植、功能强大,而且使用起来相当容易。来自软件产业各个角落的程序员都已经发现,Python对于开发者效率和软件质量的关注,这无论在大项目还是小项目中都是一个战略性的优点。

    ......

    胡耀文,清华大学出版社技术编审委员会委员,2009年参与国庆60周年官兵电子纪念册项目,CSDN技术专家,博客浏览量超过1460350次,2012年7月 出版Windows CE 7开发实战详解,2013年5月出版Windows8开发权威指南,2014年--2016年连续三年获得微软全球MVP有价值专家。                                                                尹成,毕业于清华大学,微软全球价值专家,软件架构师,CSDN技术专家,微软-清华大学联合实验室技术顾问,清华大学移动互联网技术协会顾问,清华大学Oracle-java创始人,清华大学Google技术俱乐部创始人 ,清华大学Linux技术俱乐部创始人。精通java,C/C ,对于移动3G,语音技术,javaEE,信息安全,大数据高并发都有丰富的开发经验。2010年著书《Visual C 2010开发权威指南》,版权作为大陆的骄傲输出台湾香港新加坡,代表大陆C 超越并引领台湾[4-5]

    1
    • 商品详情
    • 内容简介

    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