0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

亞馬遜神經(jīng)網(wǎng)絡(luò)類圖書中最受歡迎的10本書

電子工程師 ? 來源:lp ? 2019-03-20 15:23 ? 次閱讀

近年來,數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘越來越熱門,許多人對神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)十分感興趣,該主題下的書籍也呈現(xiàn)出爆炸式增長,判斷一本書對你是否有用的方法就是看看其他人在看什么書

本文我們羅列了截止2019年3月7日亞馬遜神經(jīng)網(wǎng)絡(luò)類圖書中最受歡迎的 10 本書,希望對大家的選擇有所幫助

1、《機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于Scikit-Learn和TensorFlow

本書主要分為兩個部分。第一部分為第1章到第8章,涵蓋機(jī)器學(xué)習(xí)的基礎(chǔ)理論知識和基本算法——從線性回歸到隨機(jī)森林等,幫助讀者掌握Scikit-Learn的常用方法;第二部分為第9章到第16章,探討深度學(xué)習(xí)和常用框架TensorFlow,一步一個腳印地帶領(lǐng)讀者使用TensorFlow搭建和訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),以及卷積神經(jīng)網(wǎng)絡(luò)。

2、《Python深度學(xué)習(xí)》

本書由Keras之父、現(xiàn)任Google人工智能研究員的弗朗索瓦?肖萊(Fran?ois Chollet)執(zhí)筆,詳盡介紹了用Python和Keras進(jìn)行深度學(xué)習(xí)的探索實(shí)踐,涉及計算機(jī)視覺、自然語言處理、生成式模型等應(yīng)用。曾獲得豆瓣滿分10分的好評

3、《The Book of Why》

這是一本非常好的計算機(jī)科普讀物,由圖靈獎獲得者Judea Pearl執(zhí)筆,展示了理解因果關(guān)系如何徹底改變科學(xué)并將革新人工智能

4、《Python神經(jīng)網(wǎng)絡(luò)編程

本書揭示神經(jīng)網(wǎng)絡(luò)背后的概念,并介紹如何通過Python實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)。全書分為3章和兩個附錄。第1章介紹了神經(jīng)網(wǎng)絡(luò)中所用到的數(shù)學(xué)思想。第2章介紹使用Python實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò),識別手寫數(shù)字,并測試神經(jīng)網(wǎng)絡(luò)的性能。第3章帶領(lǐng)讀者進(jìn)一步了解簡單的神經(jīng)網(wǎng)絡(luò),觀察已受訓(xùn)練的神經(jīng)網(wǎng)絡(luò)內(nèi)部,嘗試進(jìn)一步改善神經(jīng)網(wǎng)絡(luò)的性能,并加深對相關(guān)知識的理解。

5、《終極算法》

作者指出機(jī)器學(xué)習(xí)五大學(xué)派,每個學(xué)派都有自己的主算法,能幫助人們解決特定的問題。而如果整合所有這些算法的優(yōu)點(diǎn),就有可能找到一種“終極算法”,該算法可以獲得過去、現(xiàn)在和未來的所有知識,這也必將創(chuàng)造新的人類文明。

6、《Python機(jī)器學(xué)習(xí)》

本書向讀者介紹了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法,并向你展示了如何將書中的實(shí)例方法運(yùn)用于實(shí)際工作中,通過這本書你不僅可以了解了解數(shù)據(jù)科學(xué),機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的關(guān)鍵框架,還能學(xué)會使用TensorFlow庫掌握深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)

7、《Learning From Data》

這本書是為機(jī)器學(xué)習(xí)的短期課程而設(shè)計的。它可以幫助打下一個良好的數(shù)據(jù)科學(xué)基礎(chǔ),書中很好地平衡了理論和實(shí)踐的占比。

8、《增強(qiáng)人類》

本書對人類的未來具有深刻的洞察力,鼓舞人心并且態(tài)度嚴(yán)謹(jǐn),是你想象和創(chuàng)造新現(xiàn)實(shí)的指南。對于想要了解新方向和下一步未來的人來說,這是一本必讀書籍。

9、《Machine Learning with Python 》

本書主要介紹如何使用Python和Scikit-learn庫開發(fā)成功的機(jī)器學(xué)習(xí)應(yīng)用程序,通過本書,你將學(xué)到機(jī)器學(xué)習(xí)相關(guān)的重要概念和實(shí)際應(yīng)用,最流行的機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)等

10、《MATLAB Deep Learning》

在這本書中,你從機(jī)器學(xué)習(xí)基礎(chǔ)開始,然后繼續(xù)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí),然后是卷積神經(jīng)網(wǎng)絡(luò)。全書使用使用MATLAB作為底層編程語言和工具,用于本書的示例和案例研究。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴

原文標(biāo)題:美亞上最受歡迎的 10 本神經(jīng)網(wǎng)絡(luò)書籍

文章出處:【微信號:TheBigData1024,微信公眾號:人工智能與大數(shù)據(jù)技術(shù)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    基于MCU的神經(jīng)網(wǎng)絡(luò)模型設(shè)計

    力不從心。神經(jīng)網(wǎng)絡(luò)作為一種強(qiáng)大的機(jī)器學(xué)習(xí)模型,能夠提供高效的數(shù)據(jù)處理和分析能力,但其計算復(fù)雜度和資源需求往往超出了普通MCU的能力范圍。因此,設(shè)計一種適合MCU運(yùn)行的神經(jīng)網(wǎng)絡(luò)模型,成為了一個重要的研究方向。
    的頭像 發(fā)表于 07-12 18:21 ?847次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?604次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個方面,詳細(xì)闡述BP
    的頭像 發(fā)表于 07-10 15:20 ?416次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?390次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)實(shí)際上是同一個概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?461次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:24 ?533次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時,我們需要從多個維度進(jìn)行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?343次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks, RNN)是兩種極其重要
    的頭像 發(fā)表于 07-03 16:12 ?995次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡稱BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,以達(dá)到最小化誤差的
    的頭像 發(fā)表于 07-03 11:00 ?380次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些方面與深度
    的頭像 發(fā)表于 07-03 10:14 ?383次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò),它們在
    的頭像 發(fā)表于 07-03 10:12 ?550次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理與實(shí)現(xiàn)

    核心思想是通過卷積操作提取輸入數(shù)據(jù)的特征。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)不同,卷積神經(jīng)網(wǎng)絡(luò)具有參數(shù)共享和局部連接的特點(diǎn),這使得其在處理圖像等高維數(shù)據(jù)時具有更高的效率和更好的性能。 卷積層 卷積層是卷積神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-02 16:47 ?326次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN)和BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Networks,簡稱BPNN)是兩種
    的頭像 發(fā)表于 07-02 14:24 ?1073次閱讀

    深度神經(jīng)網(wǎng)絡(luò)模型有哪些

    、Sigmoid或Tanh。 卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN): 卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中最
    的頭像 發(fā)表于 07-02 10:00 ?558次閱讀

    FPGA圖書分享系列-2024.01.31

    FPGA在金融領(lǐng)域的具體應(yīng)用案例,幫助讀者了解理論與實(shí)踐的結(jié)合,以及如何在真實(shí)世界的問題中應(yīng)用FPGA技術(shù)。 研究前景:指出了未來神經(jīng)網(wǎng)絡(luò)加速器研究的潛力,為有志于在該領(lǐng)域深入研究的學(xué)者和工程師提供了方向
    發(fā)表于 01-31 21:14