【Python深度学习】豆瓣9.6！我愿全文背诵！

Python深度学习

本书是为想要从零开始探索深度学习的人或想要拓展对深度学习的理解的人而写的。

无论是在职的机器学习工程师、软件开发者还是大学生，都会在本书中找到有价值的内容。

本书是对深度学习的实践探索，避免使用数学符号，尽量用代码片段来解释定量概念，帮

你建立关于机器学习和深度学习核心思想的直觉。

书中包含 30 多个代码示例，有详细的注释、实用的建议和简单的解释。知道这些你就可以

开始用深度学习来解决具体问题了。

你不需要具有机器学习或深度学习方面的经验，本书包含从头学习所需的必要基础

知识。你也不需要具有高等数学背景，掌握高中水平的数学知识应该足以看懂本书

【文末领取】

学习路线图

本书分为两部分。如果你之前没有关于机器学习的经验，我强烈建议你先读完第一部分，

然后再阅读第二部分。我们会从简单示例讲起，然后再依次介绍越来越先进的技术。

第一部分是对深度学习的介绍，给出了一些背景和定义，还解释了上手机器学习和神经网

络需要掌握的所有概念。

 第 1 章介绍人工智能、机器学习和深度学习的重要背景知识。

 第 2 章介绍从事深度学习必须了解的基本概念：张量、张量运算、梯度下降和反向传播。

这一章还给出了本书第一个可用的神经网络示例。

 第 3 章包括上手神经网络所需要了解的全部内容：Keras 简介，它是我们的首选深度学

习框架；建立自己的工作站的指南；三个基本代码示例以及详细解释。读完这一章，你

将能够训练简单的神经网络来处理分类任务和回归任务，你还将充分了解训练过程背后

发生的事情。

 第 4 章介绍标准的机器学习工作流程。你还会了解常见的陷阱及其解决方案。

第二部分将深入介绍深度学习在计算机视觉和自然语言处理中的实际应用。这一部分给出

了许多示例，对于在现实世界的实践中遇到的深度学习问题，你可以用这些示例作为解决问题

的模板。

 第 5 章介绍了一系列实用的计算机视觉示例，重点放在图像分类。

 第 6 章介绍了处理序列数据（比如文本和时间序列）的实用技术。

 第 7 章介绍了构建最先进深度学习模型的高级技术。

 第 8 章介绍了生成式模型，即能够创造图像和文本的深度学习模型，它有时会产生令人

惊讶的艺术效果。

 第 9 章将帮你巩固在本书学到的知识，还会探讨深度学习的局限性及其未来的可能性。

软件 / 硬件需求

本书所有代码示例都使用 Keras 深度学习框架，它是开源的，可以免费下载。你需要一台

安装了 UNIX 的计算机，也可以使用 Windows。附录 A 将引导你完成整个安装过程。

【领取方式】

1 三连+评论 “学习”

 2 然后点击私 按钮✉， 发送关键词“学习”