✍ Scribed by 谢梁; 鲁颖; 劳虹岚
No coin nor oath required. For personal study only.
《Keras快速上手：基于Python的深度学习实战》系统地讲解了深度学习的基本知识、建模过程和应用，并以深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列中的具体应用为案例，详细介绍了从工具准备、数据获取和处理到针对问题进行建模的整个过程和实践经验，是一本非常好的深度学习入门书。
不同于许多讲解深度学习的书籍，《Keras快速上手：基于Python的深度学习实战》以实用为导向，选择了 Keras 作为编程框架，强调简单、快速地设计模型，而不去纠缠底层代码，使得内容相当易于理解，读者可以在 CNTK、 TensorFlow 和 Theano 的后台之间随意切换，非常灵活。并且本书能帮助读者从高度抽象的角度去审视业务问题，达到事半功倍的效果。
扉页
版权页
推荐语
序一
序二
前言
阅读须知
目录
1 准备深度学习的环境
1.1 硬件环境的搭建和配置选择
1.1.1 通用图形处理单元
1.1.2 你需要什么样的GPU加速卡
1.1.3 你的GPU需要多少内存
1.1.4 是否应该用多个GPU
1.2 安装软件环境
1.2.1 所需软件列表
1.2.2 CUDA的安装
1.2.3 Python计算环境的安装
1.2.4 深度学习建模环境介绍
1.2.5 安装CNTK及对应的Keras
1.2.6 安装Theano计算环境
1.2.7 安装TensorFlow计算环境
1.2.8 安装cuDNN和CNMeM
2 数据收集与处理
2.1 网络爬虫
2.1.1 网络爬虫技术
2.1.2 构造自己的Scrapy爬虫
2.1.3 构造可接受参数的Scrapy爬虫
2.1.4 运行Scrapy爬虫
2.1.5 运行Scrapy爬虫的一些要点
2.2 大规模非结构化数据的存储和分析
2.2.1 ElasticSearch介绍
2.2.2 ElasticSearch应用实例
3 深度学习简介
3.1 概述
3.2 深度学习的统计学入门
3.3 一些基本概念的解释
3.3.1 深度学习中的函数类型
3.3.2 深度学习中的其他常见概念
3.4 梯度递减算法
3.5 后向传播算法
4 Keras入门
4.1 Keras简介
4.2 Keras中的数据处理
4.2.1 文字预处理
4.2.2 序列数据预处理
4.2.3 图片数据输入
4.3 Keras中的模型
4.4 Keras中的重要对象
4.5 Keras中的网络层构造
4.6 使用Keras进行奇异值矩阵分解
5 推荐系统
5.1 推荐系统简介
5.2 矩阵分解模型
5.3 深度神经网络模型
5.4 其他常用算法
5.5 评判模型指标
6 图像识别
6.1 图像识别入门
6.2 卷积神经网络的介绍
6.3 端到端的MNIST训练数字识别
6.4 利用VGG16网络进行字体识别
6.5 总结
7 自然语言情感分析
7.1 自然语言情感分析简介
7.2 文字情感分析建模
7.2.1 词嵌入技术
7.2.2 多层全连接神经网络训练情感分析
7.2.3 卷积神经网络训练情感分析
7.2.4 循环神经网络训练情感分析
7.3 总结
8 文字生成
8.1 文字生成和聊天机器人
8.2 基于检索的对话系统
8.3 基于深度学习的检索式对话系统
8.3.1 对话数据的构造
8.3.2 构造深度学习索引模型
8.4 基于文字生成的对话系统
8.5 总结
9 时间序列
9.1 时间序列简介
9.2 基本概念
9.3 时间序列模型预测准确度的衡量
9.4 时间序列数据示例
9.5 简要回顾ARIMA时间序列模型
9.6 循环神经网络与时间序列模型
9.7 应用案例
9.7.1 长江汉口月度流量时间序列模型
9.7.2 国际航空月度乘客数时间序列模型
9.8 总结
10 智能物联网
10.1 Azure和IoT
10.2 Azure IoT Hub 服务
10.3 使用IoT Hub 管理设备概述
10.4 使用.NET将模拟设备连接到IoT中心
10.5 机器学习应用实例
📜 SIMILAR VOLUMES
<p>《深度学习：基于Keras的Python实践》本书系统讲解了深度学习的基本知识，以及使用深度学习解决实际问题，详细介绍了如何构建及优化模型，并针对不同的问题给出不同的解决方案，通过不同的例子展示了在具体项目中的应用和实践经验，是一本非常好的深度学习的入门和实践书籍。</p> <p>《深度学习：基于Keras的Python实践》以实践为导向，使用Keras 作为编程框架，强调简单、快速地上手建立模型，解决实际项目问题。读者可以通过学习本书，迅速上手实践深度学习，并利用深度学习解决实际问题。</p> <p>《深度学习：基于Keras的Python实践》非常适合于项目经理，有意从事机器学习
<p>这是一本基于最新的Python和PyTorch版本的深度学习著作，旨在帮助读者低门槛进入深度学习领域，轻松速掌握深度学习的理论知识和实践方法，快速实现从入门到进阶的转变。</p> <p>本书是多位人工智能技术专家和大数据技术专家多年工作经验的结晶，从工具使用、技术原理、算法设计、案例实现等多个维度对深度学习进行了系统的讲解。内容选择上，广泛涉猎、重点突出、注重实战；内容安排上，实例切入、由浅入深、循序渐进；表达形式上，深度抽象、化繁为简、用图说话。</p> <p>本书共16章，分为三部分：</p> <p>第一部分（第1~4章） PyTorch基础</p> <p>首先讲解了机器学习
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。