深度学习工程师认证初级教程

第1章 数学基础/1
1.1 微积分基础 /2
1.1.1 极限与积分 /2
1.1.2 导数和二阶导数 /4
1.1.3 方向导数和梯度 /5
1.1.4 凸函数和极值 /7
1.1.5 最优化方法 /8
1.2 概率与统计基础 /11
1.2.1 古典概率 /11
1.2.2 常用概率分布 /12
1.2.3 贝叶斯公式 /14
1.2.4 假设检验 /14
1.3 线性代数基础 /17
1.3.1 矩阵和向量 /17
1.3.2 矩阵乘法 /18
1.3.3 矩阵的特征值和特征向量 /19
习 题 /20
第2章 Python基础/21
2.1 Python概论 /22
2.1.1 Python简介 /22
2.1.2 Python入门 /23
2.2 NumPy函数库基础 /25
2.2.1 NumPy简介 /25
2.2.2 NumPy入门 /26
2.3 Matplotlib函数库基础 /35
2.3.1 Matplotlib简介 /35
2.3.2 Matplotlib入门 /35
2.4 Pandas函数库基础 /38
2.4.1 Pandas简介 /38
2.4.2 Pandas入门 /38
2.5 Sklearn函数库基础 /40
2.5.1 Sklearn简介 /40
2.5.2 Sklearn入门 /40
习 题 /44
第3章 机器学习/45
3.1 机器学习概论 /46
3.1.1 监督学习概述 /46
3.1.2 无监督学习概述 /47
3.1.3 强化学习概述 /49
3.2 监督学习 /50
3.2.1 回归与分类 /50
3.2.2 决策树 /56
3.2.3 神经网络 /60
3.2.4 朴素贝叶斯 /63
3.2.5 支持向量机 /66
3.3 无监督学习 /71
3.3.1 K Means算法 /71
3.3.2 降 维 /72
习 题 /75
第4章 深度学习/78
4.1 深度学习概论 /79
4.1.1 深度学习发展历程 /79
4.1.2 深度学习的应用 /82
4.1.3 深度学习框架介绍 /83
4.2 深度学习网络结构 /84
4.2.1 单层神经网络 /84
4.2.2 浅层神经网络 /88
4.2.3 深层神经网络 /92
4.3 卷积网络 /96
4.3.1 卷积神经网络简介 /96
4.3.2 卷积神经网络结构 /97
4.3.3 经典卷积网络模型 /104
4.4 循环和递归网络 /112
4.4.1 循环神经网络 /112
4.4.2 编码器与解码器 /116
4.4.3 递归神经网络 /118
4.4.4 长短期记忆 /120
深度学习
工程师认证初级教程
4.5 深度生成模型 /122
4.5.1 玻耳兹曼机 /122
4.5.2 深度信念网络 /125
4.5.3 有向生成网络 /126
4.5.4 生成随机网络 /132
习 题 /133
第5章 深度学习平台实战/135
5.1 深度学习平台介绍及环境搭建 /136
5.1.1 飞桨介绍 /136
5.1.2 飞桨环境搭建 /136
5.2 飞桨入门 /137
5.2.1 数据预处理的常规方法 /137
5.2.2 模型概览 /138
5.2.3 训练模型 /138
5.2.4 应用模型 /142
5.3 飞桨典型案例 /144
5.3.1 手写数字识别 /144
5.3.2 图像分类 /152
5.3.3 词向量 /162
5.3.4 情感分析 /171
5.3.5 语义角色标注 /180
习 题 /190
第6章 深度学习行业应用案例介绍/192
6.1 深度学习在计算机视觉中的应用 /193
6.1.1 概述及现状 /193
6.1.2 图像分类 /193
6.1.3 目标检测 /195
6.1.4 图像分割 /198
6.2 深度学习在自然语言处理中的应用 /200
6.2.1 概述及现状 /200
6.2.2 机器翻译 /200
6.2.3 问答系统 /202
6.2.4 文本情感分析 /203
6.3 深度学习在推荐系统中的应用 /204
6.3.1 概述及现状 /204
6.3.2 视频推荐 /205
6.3.3 CTR预估 /206
6.4 深度学习在语音技术中的应用 /209
6.4.1 概述及现状 /209
6.4.2 语音识别 /209
6.4.3 语音合成 /211
习 题 /212
参考文献/213