电子书：《深度学习算法实践》
1215内容简介：
内容简介
本书以一位软件工程师在工作中遇到的问题为主线,阐述了如何从軟件工程思维
向算法思維转变、如何将任务分解成算法问题,并结合程序员在工作中经常面临的产
品需求,详细阐述了应该怎样从算法的角度看待、分解需求,并结合经典的任务对深
度学习算法做了清断的分析
本书在表达上深入浅出,让有志于学习深度学习的读者,能够快速地理解核心所
在,并顺利上手实践
未经许可,不得以任何方式复制或抄袭本书之部分或全部内容
版权所有,侵权必究
图书在版编目(CIP)数据
深度学习算法实践/吴岸城编著,一北京:电子工业出版社,2017.7
ISBN978-7-121-31793-4
1.①深….①吴…m①机器学习ー算法V①TP181
中guo版本图书馆CIP数据核字(2017)第129958号
策划编辑:Liu皎
责任编辑:郑柳洁
印刷:三河市鑫金MA印装有限公司
装订:三河市鑫金MA印装有限公司
出版发行:电子工业出版社
北京市海淀区万寿路173信箱邮编
开本:720×100016印张:13.5字数:204千字
定价:79.00元
凡所购买电子工业出版社图书有缺损问題,请向购买书店调换。若书店售缺,请与本
社发行部联系,联系及邮购电话:(010)88254888,8825888
质量投诉请发邮件至zlts@phei.com.cn,盗版侵权举报请发邮件至dbqg(aphei.com.cn
本书咨询联系方式:010-51260888819,faq@phei.com.cn
前
直着机器智能的进步,人类预測技能的价値将会降低。原因在于机器预测比人工
预测更为低价和优质,正如机器算数肯定比人力算数更为迅迷准确。然而,这却并不
像许多专家预言的意味着人类工作的末ri,因为人类判断技能的价值将得以凸显。用
经济学语言表述就是,判断是预测的互补品,因此当预测的成本降低,对判断的需求
就会增大。
The Simple Economics of Machine Intellige
《哈佛商业评论》
当年互联网的大潮席卷一切时,数字通信技术被认为将覆商业、改变一切。之
后的移动互联网也在某种程度上被认为将颠覆商业。经济学家总体上并没有被当时的
互联网泡沫所忽悠
现如今,有关人工智能的报道铺天盖地,有昔ri“新经济”泡沫之势。这一次
基本的经济学原理和框架就足以帮助我们理解和预测这一技术形态对商业产生的影
响。技术ge命往往会使某些重要活动的成本降低,比如说通信或搜索信息等活动。究
其实质,人工智能或者机器智能( Machine Intelligence)是一项预测技术,因此它的
经济影响将围绕降低预测成本这个中心来展开
对于已经身处这个大潮中的开发者、架构师、数据分析人员等
抱这项
技术。深度学习并不是一项凭空冒出来的技术,它在机器学习之上做了很多优化。本
深度学习算法实践
质上所有的有监督学习都是在探讨怎样无限地通近目标函数(强化学习另外讨论)
而深度网络就是让机器代替人类提取特征的工作变得更有可能真正实现。在经济学家
的眼里,现阶段人工智能的本质是从预测(或分类问题)开始,我想通过几个实际的
例子来和大家聊聊这个话题;另一
的团队在工作中积累了一些实际经验,我
们也希望能将这些经验贡献出来,如果能在某种程度上对读者有所帮助那就最好不过
了。以上两点,促成了本书的诞生
我写的前一本书(《神经网络与深度学习》,电子工业出版社出版)偏向于概念
讲解,因为写的时候深度学习并不普及,让大众了解深度学习的基本概念是最急迫的
目标。本书大部分内容则偏向于应用,因为无论是降低社会成本,还是发明创造出新
算法,都离不开实践;如果还能从实践中思考一些东西,那就是举一反三的能力了
一这是我们人类独特的价值。所以在本书后面的强化学习、股票预测等章节,我们都
留一些问题,读者可以亲自实践,用深度学习这个工具创造出更多的价值,更长远
地说,为推动强人工智能贡献自己的一份力量。
我一直相信,创造具有意识的AI,对所有的科技人员都是一种诱惑,尽管有可
能造出来就意味着人类的边缘化,但仍然要憋着劲儿去研究如何把它造出来一一这简
直就不像人类的自由意志,更像背后有一只手在推动着,我想上帝在造人时的心情也
本书面向有一定基础、在工作中对深度学习有一定实际需求的读者;也面向那些
有志于从传统的软件工程领域转型的工程师们
本书一共分为6章。
第1章,主要讲从工程思维到算法思维的转变,对于有基础的读者来说稍显
但很重要,希望读者能仔细阅读。
第2章,阐述文本分析、文本深度特征等内容,已有基础的读者可以根据自己的
求部分略过
测到用CNN网络做人脸表情识别。勾勒CNN的传承发展,讲述做图像分类、目标
识别等其他应用
第5章,主要讲区别于一般的有监督学习的另一个间题:强化学习和DQN网络
第6章,主要讲预测与推荐,以股票为例,并同时讨论了深度学习在推荐领域的
本书的完成得到了团队的大力支持:张帅、Guo晓璐提供了图像方面的支持;周维
提供了强化学习内容上的支持,在此衷心地感谢他们。
下面是本书用到的环境说明
为保持一致性,本书所有的代码如无特殊说明都基于 Python27版本,系统环境
为 Ubuntu16.04,以及所用到的 Keras、 Tensorflow、 MXNET、Cafl, Openface、 openal
)pencv、Dlib、 Numpy、 Scipy、 Gensim、 Theano等均为2016年9月的最新版本
本书的部分源代码整理在:htps: /github. com/wac8l/Book_ Deeplearning
Practice,仅供研究使用,使用时请注明来源,如需用作商业或其他用途,请联系作
者取得授权
目录
从传统的软件工程思维转型
1.2建
1.2.1算法的开发流程
2.2做算法的步骤
2348
1.2.3英特的总结
1.3观察!观察!观察!重要的事情说三遍
文本分析实战
第一个文本问题
邮件标题的预处
2.1.2选用算法
2.1.3用CNN做文本分类
2.2情感分类
2.2.2词法分析
2.2.3机器学习
2.2.4试试LSTM模型
5558244580332
2.3.1词特征表示
2.3.2句子特征表示
免费下载地址：
http://pan.qqq0.com/file/488067-425781157
页:
[1]