深度学习：基于案例理解深度神经网络读书介绍
| 类别 | 页数 | 译者 | 网友评分 | 年代 | 出版社 |
|---|---|---|---|---|---|
| 书籍 | 280页 | 2019 | 机械工业出版社 |
| 定价 | 出版日期 | 最近访问 | 访问指数 |
|---|---|---|---|
| 89.00元 | 2019-09-21 … | 2021-02-28 … | 47 |
主题/类型/题材/标签
深度学习,人工智能,好书，值得一读,计算机,学习系列,计算机科学,提升,
作者
[瑞士] 翁贝托•米凯卢奇（Umberto Michelucci） ISBN:9787111637103 原作名/别名:《Applied Deep Learning: A Case-Based Approach to Understanding Deep Neural Networks》
内容和作者简介
深度学习：基于案例理解深度神经网络摘要
本书探讨深度学习中的高级主题，例如优化算法、超参数调整、Dropout和误差分析，并讨论如何解决在训练深度神经网络时遇到的典型问题。书中首先介绍单一神经元网络的激活函数（ReLu、sigmoid和Swish），然后介绍如何使用TensorFlow进行线性和逻辑回归，以及如何选择正确的代价函数，之后讨论具有多个层和神经元的更复杂的神经网络结构，并探讨权重的随机初始化问题。本书用一整章对神经网络误差分析进行全面概述，给出如何解决来自不同分布的方差、偏差、过拟合和数据集问题的例子。
本书还讨论在不使用任何Python库（NumPy除外）的情况下，如何从零开始完全实现逻辑回归，以便用诸如TensorFlow这样的库进行快速和有效的实验。本书包括每种方法的案例研究，以便将所有理论信息付诸实践。你还将学到Python代码的优化技巧（例如，使用NumPy对循环进行向量化）。
作者简介翁贝托•米凯卢奇（Umberto Michelucci）
目前在瑞士领先的医疗保险公司从事创新和人工智能（AI）工作。他领导与人工智能、新技术、机器学习以及大学的研究合作相关的多项战略计划。此前，他曾担任多个大型医疗保健项目的数据科学家和首席建模师，并在编程和算法设计方面拥有丰富的实践经验。他管理过商务智能和数据仓库项目，使数据驱动的解决方案能够在复杂的生产环境中实施。最近，Umberto 对神经网络进行了广泛的研究，并应用深度学习来解决与保险、客户行为（如客户流失）和传感器科学相关的一些问题。他曾在意大利、美国和德国学习理论物理，并担任研究员，还在英国接受过高等教育。他经常在会议上发表科学成果，并在同行评审的期刊上发表研究论文。
本书后续版本
未发行或暂未收录
喜欢读〖深度学习：基于案例理解深度神经网络〗的人也喜欢：
友情提示
剧情呢，免费看分享剧情、挑选影视作品、精选好书简介分享。