《Python人工智能項(xiàng)目實(shí)戰(zhàn)》讀書筆記模板

Python人工智能項(xiàng)目實(shí)戰(zhàn)讀書筆記模板01思維導(dǎo)圖讀書筆記精彩摘錄內(nèi)容摘要目錄分析作者介紹目錄0305020406思維導(dǎo)圖項(xiàng)目實(shí)戰(zhàn)應(yīng)用項(xiàng)目智能領(lǐng)域深度訓(xùn)練技術(shù)模型損失數(shù)據(jù)網(wǎng)絡(luò)要求函數(shù)系統(tǒng)推斷深度器本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要本書可幫助你結(jié)合深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)來構(gòu)建智能而且實(shí)用的基于人工智能的系統(tǒng)。本書涉及的項(xiàng)目涵蓋眾多領(lǐng)域，例如醫(yī)療健康、電子商務(wù)、專家系統(tǒng)、智能安防、移動(dòng)應(yīng)用和自動(dòng)駕駛，使用的技術(shù)包括卷積神經(jīng)絡(luò)、深度強(qiáng)化學(xué)習(xí)、基于LSTM的RNN、受限玻爾茲曼機(jī)、生成對(duì)抗絡(luò)、機(jī)器翻譯和遷移學(xué)習(xí)。本書有關(guān)構(gòu)建智能應(yīng)用的理論知識(shí)將幫助讀者使用有趣的方法來拓展項(xiàng)目，以便快速創(chuàng)建有影響力的AI應(yīng)用。讀完本書之后，你將有足夠的能力建立自己的智能模型，輕松地解決來自任何領(lǐng)域的問題。讀書筆記讀書筆記一些例子和代碼，書中是以tensofrlow和keras為語言的，前后沒有依賴，可以挑著章節(jié)看。機(jī)器學(xué)習(xí)其實(shí)很有意思，本書更多基于應(yīng)用實(shí)例層面。ai如何更好的服務(wù)客戶而不是取悅研究人員才是ai的商業(yè)落地的路子。目錄分析1.1神經(jīng)絡(luò)1.2神經(jīng)激活單元1.3用反向傳播算法訓(xùn)練神經(jīng)絡(luò)1.4卷積神經(jīng)絡(luò)1.5循環(huán)神經(jīng)絡(luò)1.6生成對(duì)抗絡(luò)010302040506第1章人工智能系統(tǒng)基礎(chǔ)知識(shí)1.2神經(jīng)激活單元線性激活單元sigmoid激活單元

1.2.3雙曲正切激活函數(shù)修正線性單元softmax激活單元1.7強(qiáng)化學(xué)習(xí)Q學(xué)習(xí)深度Q學(xué)習(xí)2.1技術(shù)要求2.3遷移學(xué)習(xí)和糖尿病視膜病變檢測(cè)2.5定義損失函數(shù)0103050204062.2遷移學(xué)2.4糖尿病2.6考慮類習(xí)簡介視膜病變數(shù)據(jù)集別不平衡問題第2章遷移學(xué)習(xí)2.7預(yù)處理圖像2.8使用仿射變換生成額外數(shù)據(jù)2.9絡(luò)架構(gòu)2.10優(yōu)化

器和初始學(xué)習(xí)率2.11交叉驗(yàn)證2.12基于

驗(yàn)證對(duì)數(shù)損失的模型檢查點(diǎn)010302040506第2章遷移學(xué)習(xí)2.8使用仿射變換生成額外數(shù)據(jù)旋轉(zhuǎn)平移縮放反射通過仿射變換生成額外的圖像2.9絡(luò)架構(gòu)VGG16遷移學(xué)習(xí)絡(luò)InceptionV3遷移學(xué)習(xí)絡(luò)ResNet50遷移學(xué)習(xí)絡(luò)3.6總結(jié)3.5實(shí)現(xiàn)序列到序列的神經(jīng)機(jī)器翻譯第3章神經(jīng)機(jī)器翻譯3.2基于規(guī)則的機(jī)器翻譯分析階段詞匯轉(zhuǎn)換階段生成階段3.3統(tǒng)計(jì)機(jī)器學(xué)習(xí)系統(tǒng)語言模型翻譯模型3.4神經(jīng)機(jī)器翻譯編碼器-解碼器模型使用編碼器-解碼器模型進(jìn)行推斷3.5實(shí)現(xiàn)序列到序列的神經(jīng)機(jī)器翻譯處理輸入數(shù)據(jù)定義神經(jīng)翻譯機(jī)器的模型神經(jīng)翻譯機(jī)器的損失函數(shù)訓(xùn)練模型構(gòu)建推斷模型單詞向量嵌入嵌入層實(shí)現(xiàn)基于嵌入的NMT4.1技術(shù)要求4.3

CycleGAN4.2

DiscoGAN第4章基于GAN的時(shí)尚風(fēng)格遷移5.1技術(shù)要求5.2視頻字幕中的CNN和LSTM5.3基于序列到序列的視頻字幕系統(tǒng)5.4視頻字幕系統(tǒng)數(shù)據(jù)集第5章視頻字幕應(yīng)用5.5處理視頻圖像以創(chuàng)建CNN特征5.6處理視頻的帶標(biāo)簽字幕5.7構(gòu)建訓(xùn)練集和測(cè)試集5.8構(gòu)建模型5.9為字幕創(chuàng)建單詞詞匯表5.10訓(xùn)練模型010302040506第5章視頻字幕應(yīng)用5.11訓(xùn)練結(jié)果5.13總結(jié)5.12對(duì)未見過的視頻進(jìn)行推斷第5章視頻字幕應(yīng)用5.8構(gòu)建模型定義模型的變量編碼階段解碼階段計(jì)算小批量損失5.12對(duì)未見過的視頻進(jìn)行推斷推斷函數(shù)評(píng)估結(jié)果6.1技術(shù)要求6.2什么是推薦系統(tǒng)6.3基于潛在因子分解的推薦系統(tǒng)6.4深度學(xué)習(xí)與潛在因子協(xié)同過濾6.5SVD++6.6基于受限玻爾茲曼機(jī)的推薦系統(tǒng)010302040506第6章智能推薦系統(tǒng)16.7對(duì)比分歧6.8使用RBM進(jìn)行協(xié)同過濾6.9使用RBM實(shí)現(xiàn)協(xié)同過濾6.10使用訓(xùn)練好的RBM進(jìn)行推斷56.11總結(jié)234第6章智能推薦系統(tǒng)6.9使用RBM實(shí)現(xiàn)協(xié)同過濾預(yù)處理輸入構(gòu)建RBM絡(luò)進(jìn)行協(xié)作過濾訓(xùn)練RBM7.7將模型凍結(jié)為

protobuf格式7.8為推斷創(chuàng)建單詞到表征的字典7.9應(yīng)用程序交互界面設(shè)計(jì)7.10Android應(yīng)用程序的核心邏輯7.11測(cè)試移動(dòng)應(yīng)用7.12總結(jié)010302040506第7章用于電影評(píng)論情感分析的移動(dòng)應(yīng)用程序8.1技術(shù)要求8.3基于LSTM的序列到序列模型8.2聊天機(jī)器人的架構(gòu)第8章提供客戶服務(wù)的AI聊天機(jī)器人8.4建立序列到序列模型8.6總結(jié)8.5Twitter平臺(tái)上的聊天機(jī)器人第8章提供客戶服務(wù)的AI聊天機(jī)器人8.5

Twitter平臺(tái)上的聊天機(jī)器人構(gòu)造聊天機(jī)器人的訓(xùn)練數(shù)據(jù)將文本數(shù)據(jù)轉(zhuǎn)換為單詞索引替換匿名用戶名定義模型用于訓(xùn)練模型的損失函數(shù)訓(xùn)練模型從模型生成輸出響應(yīng)所有代碼連起來開始訓(xùn)練9.1技術(shù)要求9.3學(xué)習(xí)Q值函數(shù)9.2馬爾科夫決策過程第9章基于增強(qiáng)學(xué)習(xí)的無人駕駛9.4深度Q學(xué)習(xí)9.5形式化損失函數(shù)9.6深度雙Q學(xué)習(xí)9.7實(shí)現(xiàn)一個(gè)無人駕駛車的代碼第9章基于增強(qiáng)學(xué)習(xí)的無人駕駛9.8深度Q學(xué)習(xí)中的動(dòng)作離散化9.9實(shí)現(xiàn)深度雙Q值絡(luò)9.10設(shè)計(jì)智能體9.11自動(dòng)駕駛車的環(huán)境9.12將所有代碼連起來12345第9章基于增強(qiáng)學(xué)習(xí)的無人駕駛9.14總結(jié)9.13訓(xùn)練結(jié)果第9章基于增強(qiáng)學(xué)習(xí)的無人駕駛10.1技術(shù)要求10.2通過深度學(xué)習(xí)破解CAPTCHA10.3通過對(duì)抗學(xué)習(xí)生成CAPTCHA10.4總結(jié)第10章從深度學(xué)習(xí)的角度看CAPTCHA10.2通過深度學(xué)習(xí)破解CAPTCHA生成基本的CAPTCHA生成用于訓(xùn)練CAPTCHA破解器的數(shù)據(jù)CAPTCHA破解器的CNN架構(gòu)預(yù)處理CAPTCHA圖像將CAPTCHA字符轉(zhuǎn)換為類別數(shù)據(jù)生成器訓(xùn)練CAPTCHA破解器測(cè)試數(shù)據(jù)集的準(zhǔn)確性10.3通過對(duì)抗學(xué)習(xí)生成CAPTCHA優(yōu)化GAN損失生成器絡(luò)判別器絡(luò)訓(xùn)練GAN噪聲分布數(shù)據(jù)預(yù)處理調(diào)用訓(xùn)練