导语

  

内容提要

  

    刘祥龙，杨晴虹，谭中意，蒋晓琳等编著的《PaddlePaddle深度学习实战》由深度学习技术及应用国家工程实验室、百度技术学院联合北航人工智能专家共同撰写，行业实践与学术理论兼顾。百度公司总裁张亚勤博士、李德毅院士、百度高级副总裁/AI技术平台体系总负责人王海峰博士等行业领袖重点推荐。
    PaddlePaddle凭借上手容易、运行效率高、支持私有云等优势，受到越来越多的公司和个人开发者青睐。本书从实战角度出发，旨在帮助读者掌握在真实的生产环境中需要的开发技能。本着由简入繁的原则，从较为简单的线性回归、逻辑回归开始，讲解到较为复杂的CNN数字识别、个性化推荐、云上部署等，不仅系统地讲解了PaddlePaddle的理论知识要点，还结合若干实例系统地介绍了PaddlePaddle的功能使用和特点。本书既详细描述了神经网络的各个细节，又深入讲解了深度学习算法性能优化的思路和技巧，旨在帮助读者深入理解深度学习的精髓。

序
前言
致谢
第1章  数学基础与Python库
  1.1  Python是进行人工智能编程的主要语言
  1.2  数学基础
    1.2.1  线性代数基础
    1.2.2  微积分基础
  1.3  Python库的操作
    1.3.1  numpy操作
    1.3.2  matplotlib操作
  本章小结
第2章  深度学习概论与PaddlePaddle入门
  2.1  人工智能、机器学习与深度学习
    2.1.1  人工智能
    2.1.2  机器学习
    2.1.3  深度学习
  2.2  深度学习的发展历程
    2.2.1  神经网络的第一次高潮
    2.2.2  神经网络的第一次寒冬
    2.2.3  神经网络的第二次高潮
    2.2.4  神经网络的第二次寒冬
    2.2.5  深度学习的来临
    2.2.6  深度学习崛起的时代背景
  2.3  深度学习的应用场景
    2.3.1  图像与视觉
    2.3.2  语音识别
    2.3.3  自然语言处理
    2.3.4  个性化推荐
  2.4  常见的深度学习网络结构
    2.4.1  全连接网络结构
    2.4.2  卷积神经网络
    2.4.3  循环神经网络
  2.5  机器学习回顾
    2.5.1  线性回归的基本概念
    2.5.2  数据处理
    2.5.3  模型概览
……
第3章  深度学习的单层网络
第4章  浅层神经网络
第5章  深层神经网络
第6章  卷积神经网络
第7章  个性化推荐
第8章  个性化推荐的分布式实现
第9章  广告CTR预估
第10章  算法优化