Python神经网络项目实战

封面

版权信息

版权声明

内容提要

作者简介

审校者简介

前言

资源与支持

第1章 机器学习和神经网络导论

1.1 什么是机器学习

1.2 在你的计算机上配置机器学习环境

1.3 神经网络

1.4 pandas——强大的Python数据分析工具

1.5 TensorFlow和Keras——开源深度学习库

1.6 其他Python函数库

1.7 小结

第2章 基于多层感知器预测糖尿病

2.1 技术需求

2.2 糖尿病——理解问题

2.3 医疗中的人工智能

2.4 糖尿病数据集

2.5 探索性数据分析

2.6 数据预处理

2.7 MLP

2.8 使用Keras构建模型

2.9 结果分析

2.10 小结

2.11 问题

第3章 基于深度前馈网络预测出租车费用

3.1 技术需求

3.2 预测纽约市出租车打车费用

3.3 纽约市出租车打车费用数据集

3.4 探索性数据分析

3.5 数据预处理

3.6 特征工程

3.7 特征缩放

3.8 深度前馈网络

3.9 使用Keras构建模型

3.10 结果分析

3.11 综合应用

3.12 小结

3.13 习题

第4章 是猫还是狗——使用卷积神经网络进行图像分类

4.1 技术需求

4.2 计算机视觉和目标识别

4.3 目标识别的问题类型

4.4 数字图像作为神经网络输入

4.5 卷积神经网络的基础结构

4.6 卷积神经网络基本结构

4.7 现代卷积神经网络回顾

4.8 猫狗数据集

4.9 在Keras中处理图像数据

4.10 图像增强

4.11 建模

4.12 结果分析

4.13 小结

4.14 习题

第5章 使用自动编码器进行图像降噪

5.1 技术需求

5.2 自动编码器的概念

5.3 隐式表示

5.4 用于数据压缩的自动编码器

5.5 MNIST手写数字数据集

5.6 构建简单的自动编码器

5.7 用于降噪的自动编码器

5.8 基于自动编码器的文件去噪

5.9 小结

5.10 习题

第6章 使用长短期记忆网络进行情感分析

6.1 技术需求

6.2 机器学习中的顺序问题

6.3 自然语言处理和情感分析

6.4 RNN

6.5 LSTM网络

6.6 IMDb影评数据集

6.7 用向量表示词语

6.8 模型结构

6.9 在Keras中创建模型

6.10 结果分析

6.11 代码整合

6.12 小结

6.13 习题

第7章 基于神经网络实现人脸识别系统

7.1 技术需求

7.2 人脸识别系统

7.3 分解人脸识别问题

7.4 人脸识别系统需求

7.5 一次学习

7.6 孪生神经网络

7.7 对比损失函数

7.8 人脸数据集

7.9 在Keras中创建孪生神经网络

7.10 在Keras中训练模型

7.11 结果分析

7.12 重构代码

7.13 创建一个实时人脸识别程序

7.14 小结

7.15 习题

第8章 未来是什么样的

8.1 项目总结