登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　新用戶登記

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 文史星历：秦汉史丛稿 》 售價：NT$ 661.0 《 神灵衰落：祈雨与乾隆朝的信仰危机 》 售價：NT$ 498.0 《 深度营销：成就营销领导力的12大原则（麦肯锡年度经管好书，12大原则揭秘营销本质，带好团队就是从领导力到影响力！） 》 售價：NT$ 325.0 《 新质生产力：发展新动能 》 售價：NT$ 493.0 《 状态比能力更重要：108个状态调整法 》 售價：NT$ 308.0 《 中国上市公司担保行为的影响因素及其效应研究 》 售價：NT$ 202.0 《 企业级数据架构：核心要素、架构模型、数据管理与平台搭建 李杨 》 售價：NT$ 554.0 《 政和元年：宋辽金夏的国运博弈与谍战风云 》 售價：NT$ 381.0

建議一齊購買： + NT$ 498 《 德国工业4.0大全第4卷：技术应用（原书第2版） 》 + NT$ 435 《 Python网络爬虫从入门到实践 第2版 》 + NT$ 309 《 大数据实战——大数据、数据科学和人工智能在商务决策中的应用 》 + NT$ 309 《 智能商业：人工智能、机器学习与大数据技术的制胜之道（原书第3版） 》 + NT$ 309 《 大数据智能核心技术入门：从大数据到人工智能 》 + NT$ 641 《 知识迁移学习方法及应用 》 編輯推薦： 本书由高通资深机器学习专家撰写，通过9个实际项目，详细介绍如何结合深度学习和强化学习构建智能而实用的人工智能系统，涉及的项目涵盖医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶等领域，使用的技术包括卷积神经网络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗网络、机器翻译和迁移学习。借助本书的理论知识，你将有能力建立自己的智能模型，轻松解决任何类型的人工智能问题。 每章首页列出本章要点，便于预览整章内容。 內容簡介： 本书通过9个直观、有趣和生活息息相关的实际项目，详细介绍如何通过结合深度学习和强化学习构建智能而实用的人工智能系统，涉及的项目涵盖医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶等领域，使用的技术包括卷积神经网络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗网络、机器翻译和迁移学习。借助本书的理论知识，你将有能力建立自己的智能模型，轻松解决任何类型的人工智能问题。 全书共10章，第1章介绍构建人工智能系统的基础知识；第2章介绍如何使用迁移学习来检测人眼中的糖尿病视网膜病变症状，并判断其严重程度；第3章介绍循环神经网络（RNN）架构的基础知识；第4章解释如何创建一个智能的AI模型；第5章讨论CNN和长短期记忆（LSTM）在视频字幕中的角色，以及视频字幕系统的构建；第6章讨论推荐系统；第7章解释机器学习如何向移动应用提供服务；第8章解释聊天机器人是如何进化的，以及使用聊天机器人的好处；第9章解释强化学习和Q学习；第10章讨论什么是CAPTCHA以及为什么我们需要CAPTCHA，并介绍如何使用对抗学习来生成CAPTCHA。 關於作者： 作者简介 桑塔努帕塔纳亚克（Santanu Pattanayak）是高通公司研发部门的一名机器学习专家，著有《Pro Deep Learning with TensorFlow - A Mathematical Approach to Advanced Artificial Intelligence in Python》。他拥有12年的工作经验，在加入高通之前，曾在GE、Capgemini和IBM任职。 目錄： 译者序 前言 作者简介 审校者简介 第1章　人工智能系统基础知识1 1.1　神经网络2 1.2　神经激活单元5 1.2.1　线性激活单元5 1.2.2　sigmoid激活单元6 1.2.3　双曲正切激活函数6 1.2.4　修正线性单元7 1.2.5　softmax激活单元9 1.3　用反向传播算法训练神经网络9 1.4　卷积神经网络12 1.5　循环神经网络13 1.6　生成对抗网络16 1.7　强化学习18 1.7.1　Q学习19 1.7.2　深度Q学习20 1.8　迁移学习21 1.9　受限玻尔兹曼机22 1.10　自编码器23 1.11　总结24 第2章　迁移学习26 2.1　技术要求26 2.2　迁移学习简介27 2.3　迁移学习和糖尿病视网膜病变检测28 2.4　糖尿病视网膜病变数据集29 2.5　定义损失函数30 2.6　考虑类别不平衡问题31 2.7　预处理图像32 2.8　使用仿射变换生成额外数据33 2.8.1　旋转34 2.8.2　平移34 2.8.3　缩放35 2.8.4　反射35 2.8.5　通过仿射变换生成额外的图像36 2.9　网络架构36 2.9.1　VGG16迁移学习网络38 2.9.2　InceptionV3迁移学习网络39 2.9.3　ResNet50迁移学习网络39 2.10　优化器和初始学习率40 2.11　交叉验证40 2.12　基于验证对数损失的模型检查点40 2.13　训练过程的Python实现41 2.14　类别分类结果50 2.15　在测试期间进行推断50 2.16　使用回归而非类别分类52 2.17　使用keras sequential工具类生成器53 2.18　总结57 第3章　神经机器翻译58 3.1　技术要求59 3.2　基于规则的机器翻译59 3.2.1　分析阶段59 3.2.2　词汇转换阶段60 3.2.3　生成阶段60 3.3　统计机器学习系统60 3.3.1　语言模型61 3.3.2　翻译模型63 3.4　神经机器翻译65 3.4.1　编码器解码器模型65 3.4.2　使用编码器解码器模型进行推断66 3.5　实现序列到序列的神经机器翻译67 3.5.1　处理输入数据67 3.5.2　定义神经翻译机器的模型71 3.5.3　神经翻译机器的损失函数73 3.5.4　训练模型73 3.5.5　构建推断模型74 3.5.6　单词向量嵌入78 3.5.7　嵌入层79 3.5.8　实现基于嵌入的NMT79 3.6　总结84 第4章　基于GAN的时尚风格迁移85 4.1　技术要求85 4.2　DiscoGAN86 4.3　CycleGAN88 4.4　学习从手绘轮廓生成自然手提包89 4.5　预处理图像89 4.6　DiscoGAN的生成器91 4.7　DiscoGAN的判别器93 4.8　构建网络和定义损失函数94 4.9　构建训练过程97 4.10　GAN训练中的重要参数值99 4.11　启动训练100 4.12　监督生成器和判别器的损失101 4.13　DiscoGAN生成的样例图像103 4.14　总结104 第5章　视频字幕应用105 5.1　技术要求105 5.2　视频字幕中的CNN和LSTM106 5.3　基于序列到序列的视频字幕系统107 5.4　视频字幕系统数据集109 5.5　处理视频图像以创建CNN特征110 5.6　处理视频的带标签字幕113 5.7　构建训练集和测试集114 5.8　构建模型115 5.8.1　定义模型的变量116 5.8.2　编码阶段117 5.8.3　解码阶段117 5.8.4　计算小批量损失118 5.9　为字幕创建单词词汇表118 5.10　训练模型119 5.11　训练结果123 5.12　对未见过的视频进行推断124 5.12.1　推断函数126 5.12.2　评估结果127 5.13　总结128 第6章　智能推荐系统129 6.1　技术要求129 6.2　什么是推荐系统129 6.3　基于潜在因子分解的推荐系统131 6.4　深度学习与潜在因子协同过滤132 6.5　SVD136 6.6　基于受限玻尔兹曼机的推荐系统138 6.7　对比分歧139 6.8　使用RBM进行协同过滤140 6.9　使用RBM实现协同过滤142 6.9.1　预处理输入143 6.9.2　构建RBM网络进行协作过滤144 6.9.3　训练RBM 147 6.10　使用训练好的RBM进行推断149 6.11　总结150 第7章　用于电影评论情感分析的移动应用程序151 7.1　技术要求152 7.2　使用TensorFlow mobile构建Android移动应用程序152 7.3　Android应用中的电影评论评分153 7.4　预处理电影评论文本154 7.5　构建模型156 7.6　训练模型157 7.7　将模型冻结为protobuf格式159 7.8　为推断创建单词到表征的字典161 7.9　应用程序交互界面设计162 7.10　Android应用程序的核心逻辑164 7.11　测试移动应用168 7.12　总结170 第8章　提供客户服务的AI聊天机器人171 8.1　技术要求172 8.2　聊天机器人的架构172 8.3　基于LSTM的序列到序列模型173 8.4　建立序列到序列模型174 8.5　Twitter平台上的聊天机器人174 8.5.1　构造聊天机器人的训练数据175 8.5.2　将文本数据转换为单词索引175 8.5.3　替换匿名用户名176 8.5.4　定义模型176 8.5.5　用于训练模型的损失函数178 8.5.6　训练模型179 8.5.7　从模型生成输出响应180 8.5.8　所有代码连起来180 8.5.9　开始训练181 8.5.10　对一些输入推特的推断结果181 8.6　总结182 第9章　基于增强学习的无人驾驶183 9.1　技术要求183 9.2　马尔科夫决策过程184 9.3　学习Q值函数185 9.4　深度Q学习186 9.5　形式化损失函数186 9.6　深度双Q学习187 9.7　实现一个无人驾驶车的代码189 9.8　深度Q学习中的动作离散化189 9.9　实现深度双Q值网络190 9.10　设计智能体191 9.11　自动驾驶车的环境 194 9.12　将所有代码连起来 197 9.13　训练结果 202 9.14　总结 203 第10章　从深度学习的角度看CAPTCHA 204 10.1　技术要求 205 10.2　通过深度学习破解CAPTCHA 205 10.2.1　生成基本的CAPTCHA 205 10.2.2　生成用于训练CAPTCHA破解器的数据 206 10.2.3　CAPTCHA破解器的CNN架构 208 10.2.4　预处理CAPTCHA图像 208 10.2.5　将CAPTCHA字符转换为类别 209 10.2.6　数据生成器 210 10.2.7　训练CAPTCHA破解器 211 10.2.8　测试数据集的准确性 212 10.3　通过对抗学习生成CAPTCHA 214 10.3.1　优化GAN损失 215 10.3.2　生成器网络 215 10.3.3　判别器网络 216 10.3.4　训练GAN 219 10.3.5　噪声分布 220 10.3.6　数据预处理 220 10.3.7　调用训练 221 10.3.8　训练期间CAPTCHA的质量 222 10.3.9　使用训练后的生成器创建CAPTCHA 224 10.4　总结 225 內容試閱： 本书可帮助你结合深度学习和强化学习来构建智能而且实用的基于人工智能的系统。本书涉及的项目涵盖众多领域，例如医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶，使用的技术包括卷积神经网络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗网络、机器翻译和迁移学习。本书有关构建智能应用的理论知识将帮助读者使用有趣的方法来拓展项目，以便快速创建有影响力的AI应用。读完本书之后，你将有足够的能力建立自己的智能模型，轻松地解决来自任何领域的问题。 本书面向的读者 本书面向的读者是希望拓展AI知识的数据科学家、机器学习专家和深度学习从业者。如果你希望构建一个实用的在任何系统可发挥重要作用的智能系统，那么这本书正是你需要的。 本书内容 第1章介绍关于如何使用机器学习、深度学习和强化学习来构建人工智能系统的基础知识。我们会讨论不同的人工神经网络，包括用于图像处理的CNN和用于自然语言处理的RNN。 第2章介绍如何使用迁移学习来检测人眼中的糖尿病视网膜病变症状，并判断其严重程度。我们会探索卷积神经网络（CNN），并学习如何用CNN训练一个模型，使得这个模型可以在人眼基底图片中检测出糖尿病视网膜病变。 第3章介绍循环神经网络（RNN）架构的基础知识。我们还会学习三个不同的机器翻译系统：基于规则的机器翻译、统计机器翻译和神经机器翻译。 第4章解释如何创建一个智能的AI模型，以便根据已有的手提包生成相似风格的鞋子，或相反。我们将使用Vanilla GAN来实现这个项目，还涉及GAN的多种定制化变形，例如DiscoGAN和CycleGAN。 第5章讨论CNN和长短期记忆（LSTM）在视频字幕中的角色，以及如何利用序列到序列（视频到文字）架构构建一个视频字幕系统。 第6章讨论推荐系统，该系统是一种信息过滤系统，用于解决电子数据信息过载问题，以便提取项目和信息。我们将使用协同过滤和受限玻尔兹曼机来构建推荐系统。 第7章解释机器学习是如何向移动应用提供服务的。我们将使用TensorFlow来创建一个Android移动应用，将电影评论作为输入，基于情感分析来提供评分。 第8章解释聊天机器人是如何进化的，以及使用聊天机器人的好处。我们还会研究如何创建一个聊天机器人，以及什么是LSTM序列到序列模型。我们还会为推特（Twitter）客服机器人创建一个序列到序列的模型。 第9章解释强化学习和Q学习。我们还会使用深度学习和强化学习来创建一辆自动驾驶汽车。 第10章讨论什么是CAPTCHA以及为什么我们需要CAPTCHA。我们还会介绍利用深度学习构建一个模型来破坏CAPTCHA，以及如何使用对抗学习来生成CAPTCHA。 下载示例代码及彩色图像 本书的示例代码及所有截图和样图，可以从http：www.packtpub.com通过个人账号下载，也可以访问华章图书官网http：www.hzbook.com，通过注册并登录个人账号下载。 其他下载地址 从GitHub下载本书的代码：https：githubcomPacktPublishingIntelligent-Projects-using- Python。 下载书中使用的截图、流程图等彩色图片：https：www.packtpub.comsitesdefaultfilesdownloads9781788996921_ColorImages.pdf。

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	香港用户　 |　台灣用户　|　海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.