更新时间：2025-03-12 18:05:43
封面
版权页
内容提要
序
前言
第1章 人工智能导论
任务1.1 了解人工智能的发展历程
任务1.2 理解人工智能、机器学习和深度学习之间的关系
任务1.3 了解深度学习的发展与应用情况
1.3.1 深度学习的发展
1.3.2 深度学习的应用情况
本章小结
本章习题
第2章 Keras与环境配置
任务2.1 配置深度学习开发环境
2.1.1 Python开发环境的搭建
2.1.2 Keras与TensorFlow的安装
任务2.2 快速入门Keras
2.2.1 为什么选择Keras
2.2.2 搭建Keras模型
第3章 机器学习基础
任务3.1 了解机器学习
3.1.1 为什么要让机器学习
3.1.2 机器如何学习
3.1.3 机器学习的算法
任务3.2 理解回归与分类
3.2.1 回归
3.2.2 分类
任务3.3 理解什么是损失函数
3.3.1 损失函数的意义
3.3.2 损失函数的种类
3.3.3 交叉熵损失函数
任务3.4 掌握梯度下降算法
3.4.1 梯度下降概述
3.4.2 学习率
3.4.3 梯度下降的形式
任务3.5 了解机器学习的通用工作流程
第4章 神经网络基础
任务4.1 了解人工神经元
4.1.1 生物神经元
4.1.2 人工神经元
任务4.2 掌握基础的神经网络结构
4.2.1 多层感知机模型
4.2.2 全连接神经网络
任务4.3 使用Python实现感知机
任务4.4 理解激活函数的作用
4.4.1 激活函数的意义
4.4.2 激活函数的种类
第5章 反向传播原理
任务5.1 计算神经网络的输出
任务5.2 掌握反向传播算法
5.2.1 反向传播算法的意义
5.2.2 反向传播算法的计算
任务5.3 使用Python实现反向传播算法
第6章 深度神经网络手写体识别
任务6.1 掌握使用Keras构建神经网络的模型
6.1.1 顺序模型
6.1.2 函数式模型
任务6.2 使用手写体识别数据集MNIST
任务6.3 深度神经网络解决图像分类问题
第7章 神经网络优化
任务7.1 模型评估
7.1.1 选择一个可靠的模型
7.1.2 欠拟合和过拟合
任务7.2 范数正则化避免过拟合
任务7.3 丢弃法避免过拟合
任务7.4 掌握改进的优化算法
7.4.1 小批量梯度下降
7.4.2 小批量随机梯度下降算法的改进
第8章 卷积神经网络
任务8.1 初识卷积神经网络
8.1.1 卷积概述
8.1.2 与全连接神经网络的对比
任务8.2 卷积运算
8.2.1 卷积核
8.2.2 填充和步幅
8.2.3 多通道卷积
8.2.4 池化层
任务8.3 LeNet实现图像分类
8.3.1 LeNet——开山之作
8.3.2 LeNet进行图像分类
第9章 卷积神经网络经典结构
任务9.1 训练深度卷积神经网络
9.1.1 AlexNet
9.1.2 图像增广
9.1.3 实现AlexNet
