深度学习之美：AI时代的数据处理与最佳实践.pptxVIP

深度学习之美：AI时代的数据处理与最佳实践读书笔记模板目录 内容摘要思维导图0201 目录分析 作者介绍0304 读书笔记 精彩摘录0605思维导图本书关键字分析思维导图深度实践时代第章函数深度实践卷积实战相关神经网络小结胶囊训练损失网络数据模型算法内容摘要内容摘要深度学习是人工智能的前沿技术。本书深入浅出地介绍了深度学习的相关理论和实践，全书共分16章，采用理论和实践双主线写作方式。第1章给出深度学习的大图。第2章和第3章，讲解了机器学习的相关基础理论。第4章和第5章，讲解了Python基础和基于Python的机器学习实战。第6至10章，先后讲解了M-P模型、感知机、多层神经网络、BP神经网络等知识。第11章讲解了被广泛认可的深度学习框架TensorFlow。第12章和第13章详细讲解了卷积神经网络，并给出了相关的实战项目。第14章和第15章，分别讲解了循环递归网络和长短期记忆（LSTM）网络。第16章讲解了神经胶囊网络，并给出了神经胶囊网络设计的详细论述和实践案例分析。目录分析第1章一入侯门“深”似海，深度学习深几许1.2什么是学习1.1深度学习的巨大影响1.3什么是机器学习第1章一入侯门“深”似海，深度学习深几许1.6 “恋爱”中的深度学习31.4机器学习的4个象限11.7深度学习的方法论41.5什么是深度学习21.8有没有浅层学习5第1章一入侯门“深”似海，深度学习深几许1.9本章小结1.10请你思考第2章人工“碳”索意犹尽，智能“硅”来未可知2.2人工智能的“江湖定位”2.1信数据者得永生吗2.3深度学习的归属第2章人工“碳”索意犹尽，智能“硅”来未可知0204062.5为什么要用神经网络2.7什么是通用近似定理2.9请你思考012.4机器学习的形式化定义052.8本章小结032.6人工神经网络的特点第3章 “机器学习”三重门，“中庸之道”趋若人3.3半监督学习33.1监督学习13.4从“中庸之道”看机器学习43.2非监督学习23.5强化学习5第3章 “机器学习”三重门，“中庸之道”趋若人3.6本章小结3.7请你思考3.1监督学习3.1.1感性认知监督学习3.1.2监督学习的形式化描述3.1.3 k-近邻算法3.2非监督学习3.2.1感性认识非监督学习3.2.2非监督学习的代表—K均值聚类第4章人生苦短对酒歌，我用Python乐趣多4.3 Python环境配置4.1 Python概要4.2 Python的版本之争4.4 Python编程基础第4章人生苦短对酒歌，我用Python乐趣多4.5本章小结4.6请你思考4.1 Python概要4.1.1为什么要用Python4.1.2 Python中常用的库4.3 Python环境配置4.3.1 Windows下的安装与配置4.3.2 Mac下的安装与配置4.4 Python编程基础4.4.1如何运行Python代码4.4.2代码缩进4.4.3注释4.4.4 Python中的数据结构4.4.5函数的设计4.4.6模块的导入与使用4.4.7面向对象程序设计第5章机器学习终觉浅，Python带我来实践5.3本章小结5.1线性回归5.2 k-近邻算法5.4请你思考5.1线性回归5.1.1线性回归的概念5.1.2简易线性回归的Python实现详解5.2 k-近邻算法5.2.1 k-近邻算法的三个要素5.2.2 k-近邻算法实战5.2.3使用scikit-learn实现k-近邻算法第6章神经网络不胜语，M-P模型似可寻6.3激活函数是怎样的一种存在6.1 M-P神经元模型是什么6.2模型背后的那些人和事6.4什么是卷积函数第6章神经网络不胜语，M-P模型似可寻6.5本章小结6.6请你思考第7章 Hello World感知机，懂你我心才安息7.2感知机名称的由来7.1网之初，感知机7.3感性认识“感知机”第7章 Hello World感知机，懂你我心才安息7.6感知机的几何意义37.4感知机是如何学习的17.7基于Python的感知机实战47.5感知机训练法则27.8感知机的表征能力5第7章 Hello World感知机，懂你我心才安息7.9本章小结7.10请你思考第8章损失函数减肥用，神经网络调权重8.3是浅而“胖”好，还是深而“瘦”佳38.1多层网络解决“异或”问题18.4分布式特征表达48.2感性认识多层前馈神经网络28.5丢弃学习与集成学习5第8章损失函数减肥用，神经网络调权重8.8热力学定律与梯度弥散38.6现实很丰满，理想很骨感18.9本章小结48.7损失函数的定义28.10请你思考5第9章山重水复疑无路，最快下降问梯度0204069.2 1986年的那篇神作9.4神经网络结构的设计9.6什么是梯度019.1 “鸟飞派”还飞不059.5再议损失函数039.3多层感知机网络遇到