《Python深度学习》内容简介

深度学习是人工智能技术和研究领域之一，通过建立阶层人工神经网络在计算机实现人工智能。通过本课程的学习，读者可以了解Python开发环境构建、Python基础、网络爬虫的数据采集、深度学习BP神经网络、卷积神经网络、循环神经网络、遗传算法和进化策略等。本课程理论与实践并重，配套教学视频，知识体系完整全面，读者通过本教程的学习可以构建属于自己的深度学习知识体系，了解人工智能的发展趋势和新技术，并可以往自己感兴趣的方向深挖。本书可作为人工智能初学者的入门书目，也可作为具备一定知识背景的读者的学习参考书籍。
王志立，2019及2020CCF大数据与计算智能大赛奖项获得者，并获得了2019第七届CCF BDCI大数据与计算智能大赛“互联网金融新实体发现”全国二等奖，2020北京数据开放创新应用大赛——科技战疫·大数据公益挑战赛全国第三名，2020年“中兴捧月神算师”算法精英挑战赛全国第二名等多个AI竞赛奖项。曾在国际与国内的学术会议上发表学术论文多篇，先后在腾讯等多家知名企业从事大数据与人工智能算法开发。乐于分享人工智能相关知识。

作品目录

前言
第1章：导论
1.1、本书学习路线
1.2、人工智能与深度学习
1.3、深度学习的算法流程
1.4、总结
第2章：Python开发环境搭建
2.1、Linux服务器
2.2、Windows平台
2.3、使用Anaconda国内源
2.4、Python虚拟环境
2.5、PyCharm远程连接服务器
2.6、总结
第3章：Python基础
3.1、Python简介
3.2、Python初阶学习
3.3、Python进阶学习
3.4、Python高阶学习
3.5、正则表达式
3.6、进程与线程
3.7、总结
第4章：深度学习
4.1、Keras简介
4.2、全连接神经网络
4.3、卷积神经网络
4.4、超参数
4.5、自编码器
4.6、RNN与RNN的变种结构
4.7、代码实践
4.8、总结
第5章：生成对抗网络
5.1、生成对抗网络的原理
5.2、生成对抗网络的训练过程
5.3、实验
5.4、总结
第6章：遗传算法与神经网络
6.1、遗传演化神经网络
6.2、遗传拓扑神经网络
6.3、总结
第7章：迁移学习与计算机视觉
7.1、计算机视觉
7.2、计算机视觉遇上迁移学习
7.3、迁移学习与计算机视觉实践
7.4、总结
第8章：迁移学习与自然语言处理
8.1、自然语言处理预训练模型
8.2、自然语言处理四大下游任务
8.3、迁移学习与自然语言处理竞赛实践
8.4、总结
参考文献