《深度卷积网络：原理与实践》内容简介

本书正文内容可分3部分，共9章：综述篇（第1，6，9章）。这三章不需要编程和数学基础，如果读者尚不熟悉技术，推荐优先阅读，尤其是第1和第9章。它们分别介绍：深度学习的基本概念，AlphaGo的架构综述，深度学习的问题和未来展望。深度卷积网络篇（第2，3，4，5章）。这四章结合理论与实际代码，由浅入深，从神经网络，到卷积网络，到深度卷积网络，让读者掌握深度卷积网络的基础知识、实践技巧和新发展，是本书的关键所在，值得仔细阅读。实战篇（第7，8章）。这两章分别讲述AlphaGo和GAN的训练和应用细节，包括详细的代码分析。
彭博 人工智能、量化交易、区块链领域的技术专家，有20年以上的研发经验。
在人工智能与信息科技方面，对深度学习、机器学习、计算机图形学、智能硬件等有较为深入的研究；在量化交易方面，曾在全球大的外汇对冲基金负责程序化交易，对市场的微观和宏观行为有较为深入的理解；在区块链方面，对智能合约、DApp开发和自动交易有较为深入的实践。
知乎上科技领域的大V，在专栏撰有大量技术文章。

作品目录

前言
引子·神之一手
第1章：走进深度学习的世界
1.1、从人工智能到深度学习
1.2、深度神经网络的威力：以AlphaGo为例
1.3、深度神经网络的应用大观
1.4、亲自体验深度神经网络
1.5、深度神经网络的基本特点
1.6、人工智能与神经网络的历史
第2章：深度卷积网络：第一课
2.1、神经元：运作和训练
2.2、深度学习框架MXNet：安装和使用
2.3、神经网络：运作和训练
第3章：深度卷积网络：第二课
3.1、重要理论知识
3.2、神经网络的正则化
3.3、神经网络的调参
3.4、实例：MNIST问题
3.5、网络训练的常见bug和检查方法
3.6、网络训练性能的提高
第4章：深度卷积网络：第三课
4.1、卷积网络：从实例说明
4.2、运作：AlphaGo眼中的棋盘
4.3、卷积神经网络：进一步了解
4.4、实例：用卷积网络解决MNIST问题
4.5、MXNet的使用技巧
第5章：深度卷积网络：第四课
5.1、经典的深度卷积网络架构
5.2、网络的可视化：以AlexNet为例
5.3、迁移学习：精调、预训练等
5.4、架构技巧：基本技巧
5.5、架构技巧：残差网络与通道组合
5.6、架构技巧：更多进展
5.7、物体检测与图像分割
5.8、风格转移
第6章：AlphaGo架构综述
6.1、从AlphaGo到AlphaZero
6.2、AlphaGo的对弈过程
6.3、AlphaGo中的深度卷积网络架构
6.4、AlphaGo的训练过程
6.5、AlphaGo方法的推广
第7章：训练策略网络与实战
7.1、训练前的准备工作
7.2、训练代码
7.3、对弈实战
第8章：生成式对抗网络：GAN
8.1、GAN的起源故事
8.2、GAN的基本原理
8.3、实例：DCGAN及训练过程
8.4、GAN的更多架构和应用
8.5、更多的生成模型方法
第9章：通向智能之秘
9.1、计算机视觉的难度
9.2、对抗样本，与深度网络的特点
9.3、人工智能的挑战与机遇
9.4、深度学习的理论发展
9.5、深度学习与人工智能的展望
跋
人工智能与我们的未来
附录
深度学习与AI的网络资源