作者：何福贵
页数：374
出版社：机械工业出版社
出版日期：2020
ISBN：9787111658610
电子书格式：pdf/epub/txt
内容简介
机器学习是人工智能领域一个极其重要的研究方向，而深度学习则是机器学习中一个很好接近AI的分支，其思路在于建立进行分析学习的神经网络，模仿人脑感知与组织的方式，根据输入数据做出决策。深度学习在快速的发展过程中，不断有与其相关的产品推向市场，显然，深度学习的应用将会日趋广泛。
本书是关于深度学习的理论、算法、应用的实战教程，内容涵盖深度学习的语言、学习环境、典型结构、数据爬取和清洗、图像识别分类、自然语言处理、情感分析、机器翻译、目标检测和语音处理等知识，通过各种实例，读者能了解、掌握深度学习的整个流程和典型应用。
本书可作为深度学习相关从业人员的参考指南，也可作为大中专院校人工智能相关专业的教材，还可作为广大人工智能爱好者的拓展学习手册。
本书特色
适读人群 ：深度学习相关从业人员、大中专院校人工智能相关专业的师生，以及广大人工智能爱好者本书是关于深度学习的理论、算法、应用的实战教程，通过各种典型实例，展示了深度学习的整个流程和精髓。
目录
第1章 Python语言基础
11 Python简介
12 Python开发环境
121 PyCharm的下载和安装
122 PyCharm的使用
123 树莓派Python IDLE的使用
13 Python基本语法
131 保留字和标识符
132 变量和数据类型
133 基本控制结构
134 运算符
135 函数
136 with语句
137 字符串操作
138 异常处理
14 Python序列
141 列表
142 元组
143 字典
144 集合
145 列表、元组、字典和集合的区别
15 Python操作文件
151 操作文本文件
152 操作目录
153 操作Excel文件
154 操作CSV文件
16 Python模块
161 模块分类
162 自定义模块
163 第三方模块的安装
17 Python类
171 面向对象概述
172 类和对象
173 面向对象程序设计方法
174 类的定义和使用
175 多线程
18 本章小结
第2章 Python操作数据库及Web框架
21 操作数据库
211 操作SQLite
212 操作MySQL
22 Web框架
221 主流Web框架
222 Django框架
223 Flask框架
23 本章小结
第3章 Python深度学习环境
31 Anaconda介绍
32 Anaconda环境搭建
33 Anaconda使用方法
331 管理工具Navigator
332 Anaconda的Python开发环境Spyder
34 深度学习的一些常备库
341 NumPy—基础科学计算库
342 SciPy—科学计算工具集
343 Pandas—数据分析的利器
344 Matplotlib—画出优美的图形
345 Tqdm—Python 进度条库
35 机器学习通用库Sklearn
351 Sklearn的安装
352 Sklearn的数据集
353 Sklearn的机器学习方式
36 机器学习深度库TensorFlow
361 TensorFlow的安装
362 TensorFlow的深度学习方式
363 TensorLayer
364 可视化工具TensorBoard
37 机器学习深度库Keras
371 Keras的安装
372 Keras的深度学习方式
38 自然语言处理
381 NLTK
382 SpaCy
383 Gensim
39 视觉OpenCV
391 OpenCV的安装
392 OpenCV的使用
310 其他深度学习框架
3101 PyTorch
3102 TFLearn
3103 Chainer
3104 Theano
311 本章小结
第4章 深度学习典型结构
41 人工智能、机器学习、神经网络和深度学习的关系
42 深度学习的发展历程
43 深度学习的应用
431 计算机视觉
432 语音识别
433 自然语言处理
434 人机博弈
44 神经网络
441 神经网络的结构
442 神经网络的算法
443 神经网络的训练
444 神经网络的参数
445 深度学习与深层神经网络
45 卷积神经网络（CNN）
451 卷积神经网络结构
452 经典卷积网络模型
453 卷积神经网络应用
46 循环神经网络（RNN）
461 循环神经网络结构
462 长短期记忆网络（LSTM）
463 循环神经网络改进
464 循环神经网络应用
47 递归神经网络（RNN）
471 递归神经网络结构
472 递归神经网络应用
48 生成对抗网络（GAN）
481 生成对抗网络原理
482 生成对抗网络架构
483 生成对抗网络应用
484 生成对抗网络变种
49 本章小结
第5章 深度学习数据准备—数据爬取和清洗
51 爬虫框架
511 Crawley爬虫框架
512 Scrapy爬虫框架
513 PySpider爬虫框架
514 Beautiful Soup爬虫框架
52 数据爬取
521 Urllib3爬取
522 Requests爬取
523 Scrapy框架爬取
524 实例—爬取招聘网站职位信息
525 实例—爬取网站指定的图片集合
526 实例—爬取二手车市场数据
53 数据清洗
531 数据清洗库Pandas
532 缺失值处理
533 去重处理
534 异常值处理
535 实例—清洗CSV文件
536 噪声数据处理
537 实例—天气数据分析与处理
54 数据显示
541 Pandas统计分析
542 Matplotlib绘图
543 Bokeh绘图
544 Pyecharts绘图
55 实例—爬取并保存图片
56 本章小结
第6章 图像识别分类
61 图像识别分类简介
62 经典图片数据集
621 MNIST数据集
622 CIFAR-10数据集
623 ImageNet数据集
624 LFW人脸数据库
625 Flowers-17数据集
626 Pascal VOC数据集
627 MS COCO 数据集
63 OpenCV识别
631 实例—人眼识别
632 实例—两张相似图片识别
633 实例—性别识别
64 VGGNet花朵识别
641 VGGNet介绍
642 花朵数据库
643 实例—花朵识别
65 车牌识别
651 利用OpenCV实现车牌识别
652 实例—EasyPR车牌识别
66 Inception图像分类处理
661 Inception模型简介
662 实例—花朵和动物识别
663 实例—自定义图像分类
67 本章小结
第7章 自然语言处理
71 自然语言处理的典型工具
711 NLTK
712 TextBlob
713 Gensim
714 Polyglot
72 Jieba实现关键词抽取
721 Jieba实现词性标注
722 基于TF-IDF算法的关键词抽取
723 基于TextRank算法的关键词抽取
