更新时间：2020-10-16 16:31:17
封面
版权信息
内容简介
作者简介
FOREWORD 序一 MindSpore让AI无所不及
FOREWORD 序二
PREFACE 前言
第1章 引言
1.1 人工智能的历史变迁
1.2 什么是深度学习
1.3 深度学习的现实应用
1.4 本书的组织架构
1.5 MindSpore简介
第2章 深度学习基础知识
2.1 回归问题算法
2.2 梯度下降算法
2.3 分类问题算法
2.4 过拟合与欠拟合
第3章 深度神经网络
3.1 前向网络
3.2 反向传播
3.3 泛化能力
3.4 用MindSpore实现简单神经网络
第4章 深度神经网络的训练
4.1 深度学习系统面临的主要挑战
4.2 正则化
4.3 Dropout
4.4 自适应学习率
4.5 批标准化
4.6 用MindSpore实现深度神经网络
第5章 卷积神经网络
5.1 卷积操作
5.2 池化
5.3 残差网络
5.4 应用：图片分类
5.5 用MindSpore实现基于卷积神经网络图片分类
第6章 循环神经网络
6.1 循环神经网络概述
6.2 深度循环神经网络
6.3 长期依赖的挑战
6.4 长短期记忆网络和门控循环神经网络
6.5 应用：文本预测
6.6 用MindSpore实现基于长短期记忆网络的文本预测
参考文献
第7章 无监督学习：词向量
7.1 Word2Vec
7.2 GloVe
7.3 Transformer
7.4 BERT
7.5 词向量典型生成算法对比
7.6 应用：自动问答
7.7 用MindSpore实现基于BERT的自动问答
第8章 无监督学习：图向量
8.1 图向量简介
8.2 DeepWalk算法
8.3 LINE算法
8.4 Node2Vec算法
8.5 GCN算法
8.6 GAT算法
8.7 应用：推荐系统
第9章 无监督学习：深度生成模型
9.1 变分自编码器
9.2 生成对抗网络
9.3 应用：数据增强
9.4 用MindSpore实现基于生成对抗网络的数据增强
第10章 深度强化学习
10.1 强化学习基本概念
10.2 基本求解方法
10.3 深度强化学习算法
10.4 最新应用
10.5 用MindSpore实现基于DQN的博弈游戏
第11章 自动化机器学习
11.1 AutoML框架
11.2 现有AutoML系统介绍
11.3 元学习
11.4 用MindSpore实现AutoML
第12章 端云协同
12.1 端侧推理
12.2 端云迁移学习
12.3 端云联邦学习
12.4 端云协同框架
第13章 深度学习可视化
13.1 深度学习可视化概述
13.2 MindSpore可视化实践
第14章 深度学习的数据准备
14.1 数据格式概述
14.2 深度学习中的数据格式
14.3 常用的深度学习数据格式
14.4 使用MindSpore数据格式进行训练数据准备
附录A 中、英文对照词汇表
附录B MindSpore白皮书
B.1 背景介绍
B.2 MindSpore编程范式
