《深度学习算法实践》吴岸城【文字版_PDF电子书_推荐】
内容简介：
本书以一位软件工程师的转型故事为线索，讲述算法思维的建立及实践。第1章主要讲解如何从传统的工程思维转入算法思维，第2-5章分别阐述文本处理、视觉识别、Bot机器人、强化学习方向的算法实践，第6章案例阐述预测与推荐的应用。
作者简介：
吴岸城
致力于深度学习在文本、图像领域的应用。曾中兴通讯、亚信联创担任研发经理、技术经理等职务，现任菱歌科技首席算法科学家一职。
目 录：
1 开始 1
1.1 从传统的软件工程思维转型 1
1.2 建立算法思维 2
1.2.1 算法的开发流程 3
1.2.2 做算法的步骤 4
1.2.3 英特的总结 8
1.3 观察!观察!观察!重要的事情说三遍 11
2 文本分析实战 15
2.1 第一个文本问题 15
2.1.1 邮件标题的预处理 15
2.1.2 选用算法 18
2.1.3 用CNN 做文本分类 21
2.2 情感分类 24
2.2.1 先分析需求 24
2.2.2 词法分析 25
2.2.3 机器学习 28
2.2.4 试试LSTM 模型 30
2.3 文本深度特征提取 31
2.3.1 词特征表示 31
2.3.2 句子特征表示 42
目录
VII ?
2.3.3 深度语义模型 51
3 做一个对话机器人 53
3.1 理解人类提问 56
3.2 答案的抽取和选择 57
3.3 蕴含关系 62
3.4 生成式对话模型(Generative Model ) 63
3.5 判断机器人说话的准确性 69
3.6 智能对话的总结和思考 70
4 视觉识别 73
4.1 从人脸识别开始 74
4.1.1 OpenCV 能做什么 74
4.1.2 检测精度的进化：Dlib 79
4.1.3 表情识别：Openface 83
4.2 深度卷积网络 87
4.2.1 CNN 的演化过程 87
4.2.2 深度卷积和更深的卷积 96
4.2.3 实现更深的卷积网络 103
4.2.4 残差网络的实现 108
4.2.5 十全大补药：通用的提高精度的方法 111
4.2.6 图像训练需要注意的地方 116
4.3 目标检测 125
4.3.1 用SSD 来实现目标检测应用 133
4.3.2 SSD 训练源码提示 136
4.4 视觉领域的应用 138
4.4.1 艺术风格画 138
4.4.2 看图说话：用文字描述一幅图像(BiRNN CNN) 140
4.4.3 CNN 的有趣应用：语音识别 142
5 强化学习实践 144
5.1 吃豆子和强化学习 144
5.2 马尔科夫决策过程 146
5.3 理解Q 网络 149
深度学习算法实践
? VIII
5.4 模拟物理世界：OpenAI 151
5.5 实现一个DQN 153
5.5.1 DQN 代码实现 153
5.5.2 DQN 过程的图表化 159
5.6 关于强化学习的思考 162
5.6.1 强化学习的特殊性 162
5.6.2 知识的形成要素：记忆 164
5.6.3 终极理想：终身学习 169
6 预测与推荐 172
6.1 从Google 的感冒预测说起 172
6.2 股票预测(一) 174
6.2.1 股票业务整理 175
6.2.2 数据获取和准备 178
6.2.3 模型搭建 182
6.2.4 优化 185
6.2.5 后续 186
6.3 股票预测(二) 188
6.4 深度学习在推荐领域的应用：Lookalike 算法 196
6.4.1 调研 197
6.4.2 实现 200
6.4.3 结果 204
6.4.4 总结探讨 204
参考文献 206
《深度学习算法实践》吴岸城【文字版_PDF电子书_下载】大小：8.41MB已经过安全软件检测无毒，请您放心下载。浏览器不支持脚本！购买本书：当当图书商城 | | 淘宝购书
有需要联系v；zhanxzhanx
摘要：《深度学习算法实践》吴岸城是一本计算机类的文字版PDF电子书，本文将从四个方面对该书进行详细阐述。首先，介绍了该书的内容概述，深度学习算法实践的重要性和应用前景。然后，分别从理论基础、算法实现、应用案例和发展趋势四个方面进行具体讲解，包括深度学习的基本原理、常用算法及其实现方法、各种领域的实际应用案例以及深度学习的发展趋势和前景。最后，对全文进行总结归纳，指出该书对读者学习深度学习算法实践具有重要的参考价值。
1、理论基础
该书首先介绍了深度学习的基本原理和理论基础，包括神经网络结构、反向传播算法、激活函数和损失函数等。通过对这些基础知识的讲解，读者可以建立起对深度学习算法的基本认识和理解。
接着，该书详细介绍了深度学习的各种常用算法，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。对于每种算法，该书都提供了详细的实现方法和代码示例，使读者能够深入了解算法的具体实现过程。
此外，该书还介绍了深度学习在图像识别、自然语言处理、推荐系统等多个领域的实际应用案例，通过实际案例的讲解，读者可以更好地理解深度学习算法的应用场景和效果。
2、算法实现
该书通过实例代码的方式详细介绍了深度学习算法的实现过程。不仅介绍了算法的基本原理和流程，还给出了具体的代码实现和示例数据。这样的实践方法有助于读者更好地理解算法的实际应用和效果。
在算法实现的过程中，该书还介绍了一些常用的深度学习工具和框架，如TensorFlow、PyTorch等，这些工具和框架能够帮助读者更方便地进行深度学习算法的实现和调试。
3、应用案例
该书通过介绍深度学习在图像识别、自然语言处理、推荐系统等领域的应用案例，展示了深度学习算法在实际问题中的应用效果和价值。
对于每个应用案例，该书都提供了详细的数据集和实验设计，同时给出了具体的算法实现和实验结果。这样的案例分析能够帮助读者更好地理解深度学习算法的具体应用和解决问题的思路。
4、发展趋势
该书最后讨论了深度学习的发展趋势和前景。通过介绍目前热门的研究方向和技术趋势，读者可以了解到深度学习领域的最新进展和未来发展的方向。
同时，该书还展望了深度学习在人工智能、大数据等领域的应用前景，指出了深度学习技术可能带来的重大变革和机遇。
总结：
通过《深度学习算法实践》吴岸城这本书的阐述，读者可以全面了解深度学习算法的理论基础、算法实现、应用案例和发展趋势。这本书对于想要学习深度学习算法实践的读者来说是一本非常有价值的参考书。通过学习该书，读者不仅可以掌握深度学习算法的基本原理和实现方法，还能了解到深度学习在实际问题中的应用效果和发展前景。
本文由nayona.cn整理
微信扫一扫 
支付宝扫一扫 
