更新时间：2021-03-19 09:39:17
封面
版权信息
版权声明
内容提要
作者简介
技术审稿人简介
译者序
前言
本书读者对象
本书结构
充分利用本书
下载示例代码文件
下载彩色图像
本书约定
资源与支持
配套资源
提交勘误
与我们联系
关于异步社区和异步图书
第1章 数据科学——鸟瞰全景
1.1 通过示例了解数据科学
1.2 设计数据科学算法的流程
1.3 开始学习
1.4 实现鱼类识别/检测模型
1.5 不同学习类型
1.6 数据量和行业需求
1.7 总结
第2章 数据建模实战——“泰坦尼克号”示例
2.1 线性回归模型
2.2 线性分类模型
2.3 “泰坦尼克号”示例——建立和训练模型
2.4 不同类型的误差解析
2.5 表现（训练集）误差
2.6 泛化/真实误差
2.7 总结
第3章 特征工程与模型复杂性——重温“泰坦尼克号”示例
3.1 特征工程
3.2 维度灾难
3.3 重温“泰坦尼克号”示例——融会贯通
3.4 偏差-方差分解
3.5 学习可见性[2]
3.6 总结
第4章 TensorFlow入门实战
4.1 安装TensorFlow
4.2 TensorFlow运行环境
4.3 计算图
4.4 TensorFlow中的数据类型、变量、占位符
4.5 获取TensorFlow的输出
4.6 TensorBoard——可视化学习过程
4.7 总结
第5章 TensorFlow基础示例实战
5.1 神经元的结构
5.2 激活函数
5.3 前馈神经网络
5.4 需要多层网络的原因
5.5 TensorFlow术语回顾
5.6 构建与训练线性回归模型
5.7 构建与训练逻辑回归模型
5.8 总结
第6章 深度前馈神经网络——实现数字分类
6.1 隐藏单元与架构设计
6.2 MNIST数据集分析
6.3 数字分类——构建与训练模型
6.4 总结
第7章 卷积神经网络
7.1 卷积运算
7.2 动机
7.3 CNN的不同层
7.4 CNN基础示例——MNIST手写数字分类
7.5 总结
第8章 目标检测——CIFAR-10示例
8.1 目标检测
8.2 CIFAR-10目标图像检测——构建与训练模型
8.3 总结
第9章 目标检测——CNN迁移学习
9.1 迁移学习
9.2 CIFAR-10目标检测——回顾
9.3 总结
第10章 循环神经网络——语言模型
10.1 RNN的直观解释
10.2 LSTM网络
10.3 语言模型的实现
10.4 总结
第11章 表示学习——实现词嵌入
11.1 表示学习简介
11.2 Word2Vec
11.3 skip-gram架构的一个实际例子
11.4 实现skip-gram Word2Vec
11.5 总结
第12章 神经网络在情感分析中的应用
12.1 常用的情感分析模型
12.2 情感分析——模型实现
12.3 总结
第13章 自动编码器——特征提取和降噪
13.1 自动编码器简介
13.2 自动编码器的示例
13.3 自动编码器架构
13.4 压缩MNIST数据集
13.5 卷积自动编码器
13.6 降噪自动编码器
