《深度学习：核心技术、工具与案例解析》内容简介

本书由微软亚洲研究院的资深AI工程师撰写，是一本面向初学者的、以实战为导向的深度学习指南。本书首先详细讲解了深度学习的知识体系、核心概念、模型与算法、工具和库（TensorFlow等）等全栈技术知识，然后以案例的形式讲解了如何将这些知识应用到计算机视觉、自然语言处理、语音识别、对话机器人、人脸识别、自动驾驶领域。
高彦杰、于子叶编著。

作品目录

前言
第1章：了解深度学习
1.1、什么是深度学习
1.2、深度学习的技术发展
1.3、深度学习的知识点汇总
1.4、深度学习工具与平台介绍
1.5、本章小结
1.6、参考资料
第2章：深度学习技术
2.1、深度学习基础
2.2、CNN
2.3、RNN
2.4、最优化算法
2.5、本章小结
第3章：TensorFlow基础
3.1、TensorFlow
3.2、获取与安装
3.3、变量及作用域
3.4、构建计算图
3.5、全连接网络构建
3.6、CNN构建
3.7、RNN构建
3.8、多架构运行
3.9、队列使用
3.10、本章小结
第4章：TensorFlow进阶
4.1、TensorFlow架构与原理
4.2、TensorFlow扩展
4.3、Tensorboard与问题监控
4.4、改善深度神经网络
4.5、性能优化建议
4.6、深度神经网络结构
4.7、本章小结
第5章：语音识别器
5.1、任务分析
5.2、数据与特征分析
5.3、主流语音识别网络结构
5.4、CTC
Loss
5.5、文本向量化
5.6、完整构建神经网络
5.7、数据训练
5.8、参数调优
5.9、实际数据分析
5.10、本章小结
第6章：对话机器人
6.1、对话机器人概述与应用领域
6.2、对话机器人主流技术
6.3、对话机器人的前沿与功能扩展
6.4、深度学习对话机器人原理
6.5、构建对话机器人
6.6、本章小结
第7章：人脸识别器
7.1、任务分析
7.2、Detection、Aliment与Identify
7.3、数据特征分析
7.4、haar分类器方式
7.5、神经网络方法演进
7.6、人脸识别网络构建
7.7、主流人脸识别网络差异分析
7.8、TensorFlow搭建网络
7.9、参数调优
7.10、实战分析
7.11、本章小结
第8章：自动驾驶
8.1、自动驾驶的介绍与应用领域
8.2、自动驾驶技术
8.3、深度增强学习
8.4、行车检测
8.5、端到端自动驾驶
8.6、本章小结
8.7、参考资料
第9章：可视化实践
9.1、可视化发展
9.2、可视化过程
9.3、Matplotlib
9.4、ECharts
9.5、可视化实践
9.6、三维可视化
9.7、动态可视化
9.8、本章小结
第10章：优化实践
10.1、通用深度神经网络训练优化建议
10.2、深度学习系统性能优化建议
10.3、工程实践建议
10.4、本章小结