隨著AI技術(shù)的普及，如何快速理解、掌握并應(yīng)用AI技術(shù)，成為絕大多數(shù)程序員亟需解決的問題。本書基于Keras框架并以代碼實現(xiàn)為核心，詳細(xì)解答程序員學(xué)習(xí)AI算法時的常見問題，對機器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)等概念在實際項目中的應(yīng)用建立清晰的邏輯體系。本書分為上下兩篇，上篇（～4章）可幫助讀者理解并獨立開發(fā)較簡單的機器學(xué)習(xí)應(yīng)用，下篇（第5～9章）則聚焦于AI技術(shù)的三大熱點領(lǐng)域：推薦系統(tǒng)、自然語言處理（NLP）及圖像處理。其中，章通過具體實例對Keras的機器學(xué)習(xí)實現(xiàn)進行快速介紹并給出整體概念；第2章從簡單的神經(jīng)元開始，以實際問題和代碼實現(xiàn)為引導(dǎo)，逐步過渡到多層神經(jīng)網(wǎng)絡(luò)的具體實現(xiàn)上，從代碼層面講解神經(jīng)網(wǎng)絡(luò)的工作模式；第3章講解Keras的核心概念和使用方法，幫助讀者快速入門Keras；第4章講解機器學(xué)習(xí)中的常見概念、定義及算法；第5章介紹推薦系統(tǒng)的常見方案，包括協(xié)同過濾的不同實現(xiàn)及Wide＆Deep模型等；第6章講解循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的原理及Seq2Seq、Attention等技術(shù)在自然語言處理中的應(yīng)用；第7～8章針對圖像處理的分類及目標(biāo)識別進行深度討論，從代碼層面分析FasterRCNN及YOLOv3這兩種典型識別算法；第9章針對AI模型的工程部署問題，引入TensorFlowServing并進行介紹。本書主要面向希望學(xué)習(xí)AI開發(fā)或者轉(zhuǎn)型算法的程序員，也可以作為Keras教材，幫助讀者學(xué)習(xí)Keras在不同領(lǐng)域的具體應(yīng)用。
|
