Python深度学习(第2版)

第1章 机器学习导论 1.1 机器学习概述 1.2 机器学习算法 1.2.1 监督学习 1.线性回归和逻辑回归 2.支持向量机 3.决策树 4.朴素贝叶斯 1.2.2 无监督学习 K-means 1.2.3 强化学习 Q-learning 1.2.4 机器学习组件 1.3 神经网络 PyTorch简介 1.4 小结 第2章 神经网络 2.1 神经网络的重要性 2.2 神经网络概述 2.2.1 神经元概述 2.2.2 层概述 2.2.3 多层神经网络 2.2.4 不同类型的激活函数 2.2.5 综合案例 2.3 训练神经网络 2.3.1 线性回归 2.3.2 逻辑回归 2.3.3 反向传播 2.3.4 XOR函数的神经网络的代码示例 2.4 小结 第3章 深度学习基础 3.1 深度学习导论 3.2 深度学习的基本概念 3.3 深度学习算法 3.3.1 深度网络 当代深度学习简史 3.3.2 训练深度网络 3.4 深度学习的应用 3.5 深度学习流行的原因 3.6 流行的开源库 3.6.1 TensorFlow、Keras、PyTorch简介 1.TensorFlow 2.Keras 3.PyTorch 3.6.2 使用Keras对手写数字进行分类 3.6.3 使用Keras对物体图像进行分类 3.7 小结 第4章 基于卷积神经网络的计算机视觉 4.1 卷积神经网络的直观解释 4.2 卷积层 …… 第5章 不错计算机视觉 第6章 使用VAE和GAN生成图像 第7章 循环神经网络和语言模型 第8章 强化学习理论 第9章 游戏深度强化学习 0章 自动驾驶深度学习