人工智慧入門實踐， 輕鬆玩轉PyTorch框架。 校寶線上出品的書籍《PyTorch機器學習從入門到實踐》發售了！

內容簡介

近年來，基於深度學習的人工智慧掀起了一股學習的熱潮。本書是使用PyTorch深度學習框架的入門書籍。本書從深度學習原理入手，由淺入深，闡述深度學習中神經網路、深度神經網路、卷積神經網路、自編碼器、迴圈神經網路等，同時穿插學習PyTorch框架的各個知識點和基於知識點的例項。最後，綜合運用PyTorch和深度學習知識，來解決實踐中的具體問題，比如影象識別、文字分類和命令詞識別等。可以說，本書是深度學習和PyTorch的入門教程，同時也引領讀者登堂入室，進入機會和挑戰的人工智慧領域。

本書針對的物件是機器學習和人工智慧的愛好者和研究者，希望其能夠有一定的機器學習和深度學習知識，有一定的Python程式設計基礎。

目錄

第 1 章 深度學習介紹
    1.1 人工智慧、機器學習與深度學習
    1.2 深度學習工具介紹
    1.3 PyTorch 介紹
    1.4 你能從本書中學到什麼
第 2 章 PyTorch 安裝和快速上手
    2.1 PyTorch 安裝
    2.2 Jupyter Notebook 使用
    2.3 NumPy 基礎知識
    2.4 PyTorch 基礎知識
第 3 章 神經網路
    3.1 神經元與神經網路
    3.2 啟用函式
    3.3 前向演算法
    3.4 損失函式
    3.5 反向傳播演算法
    3.6 資料的準備
    3.7 PyTorch 例項：單層神經網路實現
第 4 章 深度神經網路及訓練
    4.1 深度神經網路
    4.2 梯度下降
    4.3 優化器
    4.4 正則化
    4.5 PyTorch 例項：深度神經網路實現
第 5 章 卷積神經網路
    5.1 計算機視覺
    5.2 卷積神經網路
    5.3 MNIST 資料集上卷積神經網路的實現
第 6 章 嵌入與表徵學習
    6.1 PCA
    6.2 自編碼器
    6.3 詞嵌入
第 7 章 序列預測模型
    7.1 序列資料處理
    7.2 迴圈神經網路
    7.3 LSTM 和 GRU
    7.4 LSTM 在自然語言處理中的應用
    7.5 序列到序列網路
    7.6 PyTorch 例項：基於 GRU 和 Attention 的機器翻譯
第 8 章 PyTorch 專案實戰
    8.1 影象識別和遷移學習——貓狗大戰
    8.2 文字分類
    8.3 語音識別系統介紹