深度学习之美：AI时代的数据处理与最佳实践 - (EPUB全文下载)

文件大小：0.49 mb。
文件格式：epub 格式。
书籍内容：

深度学习之美：AI时代的数据处理与最佳实践
第1章　一入侯门“深”似海，深度学习深几许
第2章　人工“碳”索意犹尽，智能“硅”来未可知
第3章　“机器学习”三重门，“中庸之道”趋若人
第4章　人生苦短对酒歌，我用Python乐趣多
第5章　机器学习终觉浅，Python带我来实践
第6章　神经网络不胜语，M-P模型似可寻
第7章　Hello World感知机，懂你我心才安息
第8章　损失函数减肥用，神经网络调权重
第9章　山重水复疑无路，最快下降问梯度
第10章　BP算法双向传，链式求导最缠绵
第11章　一骑红尘江湖笑，TensorFlow谷歌造
第12章　全面连接困何处，卷积网络显神威
第13章　纸上谈兵终觉浅，绝知卷积要编程
第14章　循环递归RNN，序列建模套路深
第15章　LSTM长短记，长序依赖可追忆
第16章　卷积网络虽动人，胶囊网络更传“神”
后记
索引
封底
第1章　一入侯门“深”似海，深度学习深几许
当你和恋人在路边手拉手约会的时候，你可曾想，你们之间早已碰撞出了一种神秘的智慧——深度学习。恋爱容易，相处不易，不断磨合，打造你们的默契，最终才能决定你们是否能在一起。深度学习也一样，输入各种不同的参数，进行训练拟合，最后输出拟合结果。恋爱本不易，且学且珍惜！
1.1　深度学习的巨大影响
近年来，作为人工智能领域最重要的进展——深度学习（Deep Learning），在诸多领域都有很多惊人的表现。例如，它在棋类博弈、计算机视觉、语音识别及自动驾驶等领域，表现得与人类一样好，甚至更好。早在2013年，深度学习就被麻省理工学院的《MIT科技评论》（MIT Technology Review）评为世界10大突破性技术之一，如图1-1所示。
图1-1　深度学习入围2013年MIT 10大突破性技术
另一个更具有划时代意义的案例是，2016年3月，围棋世界顶级棋手李世石九段，以1∶4不敌谷歌公司研发的阿尔法围棋（AlphaGo，亦称阿尔法狗），这标志着人工智能在围棋领域已经开始“碾压”人类。在2016年年末至2017年年初，AlphaGo的升级版Master（大师）又在围棋快棋对决中，以60场连胜横扫中日韩顶尖职业高手，一时震惊四野。
但有人并不服气，或者想替人类争口气。1997年出生的柯洁，就是这样的一个人。他是世界围棋史上最年轻的四冠王，围棋等级世界排名第一。2017年5月23日至27日，在与AlphaGo 2.0进行的人机大战中，柯洁虽殚精竭虑，无奈还是以0∶3战败，再次令世人瞠目结舌（参见图1-2）。而背后支撑AlphaGo具备如此强悍智能的“股肱之臣”之一，正是深度学习。
图1-2　AlphaGo
一时间，深度学习，这个本专属于计算机科学的术语，成为包括学术界、工业界甚至风险投资界等众多领域的热词。的确，它已对我们的工作、生活甚至思维都产生了深远的影响。
比如，有人[1]认为，深度学习不仅是一种算法的升级，还是一种全新的思维方式。我们完全可以利用深度学习，通过对海量数据的快速处理，消除信息的不确定性，从而帮助我们认知世界。它带来的颠覆性在于，将人类过去痴迷的算法问题，演变成数据和计算问题。在以前，“算法为核心竞争力”正在转变为“数据为核心竞争力”。这个观点，多少有点暗合阿里巴巴集团董事局主席马云的观点，我们正进入一个DT（Data Technology，数据技术）时代。
在人工智能领域，深度学习之所以备受瞩目，是因为从原始的输入层开始，到中间每一个隐含层的数据抽取变换，到最终的输出层的判断，所有特征的提取，全程是一个没有人工干预的训练过程。这个自主特性，在机器学习领域，是革命性的。
世界知名深度学习专家吴恩达（Andrew Ng）曾表示：“我们没有像通常（机器学习）做的那样，自己来框定边界，而是直接把海量数据投放到算法中，让数据自己说话，系统会自动从数据中学习。”谷歌大脑项目（Google Brain Project）的计算机科学家杰夫·迪恩（Jeff Dean）则说：“在训练的时候，我们从来不会告诉机器说：‘这是一只猫’。实际上，是系统自己发明或者领悟了‘猫’的概念。”
1.2　什么是学习
说到“深度学习”，追根溯源，我们需要先知道什么是“学习”。
著名学者赫伯特·西蒙教授（Herbert Simon，1975年图灵奖获得者、1978年诺贝尔经济学奖获得者）曾对“学习”下过一个定义：“如果一个系统，能够通过执行某个过程，就此改进了它的性能，那么这个过程就是学习”。
大师果然名不虚传，永远都是那么言简意赅，一针见血。从西蒙教授的观点可以看出，学习的核心目的就是改善性能。
其实对于人而言，这个定义也是适用的。比如，我们现在正在学习深度学习的知识，其本质目的就是为了提升自己在机器学习上的认知水平。如果我们仅仅是低层次的重复性学习，而没有达到认知升级的目的，那么即使表面看起来非常勤奋，其实也仅仅是一个“伪学习者”，因为我们没有改善性能。
按照这个解释，那句著名的口号“好好学习，天天向上”，就会焕发新的含义：如果没有性能上的“向上”，即使非常辛苦地“好好”，即使长时间地“天天”，都无法算作“学习”。
1.3　什么是机器学习
遵循西蒙教授的观点，对于计算机系统而言，通过运用数据及某种特定的方法（比如统计方法或推理方法）来提升机器系统的性能，就是机器学习（Machine Learning，简称ML）。
英雄所见略同。卡耐基梅隆大学的机器学习和人工智能教授汤姆·米切尔（Tom Mitchell），在他的经典教材《机器学习》[1]中，也给出了更为具体（其实也很抽象）的定义：
对于某类任务（Task，简称T）和某项性能评价准则（Performance，简称P），如果一个计算机程序在T上，以P作为性能的度量，随着经验（Experience，简称E）的积累，不断自我完善，那么我们称这个计算机程序从经验E中进行了学习。
比如，学习围棋的程序AlphaGo，它可以通过和自己下棋获取经验，那么，它的任务T就是“参与围棋对弈 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。