用最簡潔的Python上手：深度學習從精通再成大神

☆★☆★【用最簡潔的Python，成為深度學習最厲害的大神！】★☆★☆

「人工智慧、深度學習和機器學習，不論你現在是否能夠理解這些概念，你都應該學習。否則三年內，你就會像被滅絕的恐龍一樣被社會淘汰。現在不開始，以後就來不及了。」――馬克•庫班（NBA獨行俠隊老闆，億萬富翁）

本書從人工智慧、機器學習與深度學習簡介開始，幫助讀者在Windows下的CPU/GPU環境完成深度學習、開發環境架設；之後進入Python資料科學函數庫，介紹深度學習基礎，如Numpy、Pandas、Matplotlib。

在了解基本函數庫後，接著介紹目前最好用、最流行的深度學習框架TensorFlow、Keras。認識完框架的使用，便開始處理資料，本書介紹了資料前置處理和模型評估指標，幫讀者了解模型及資料之間的關係。當一切就緒，就可以進入實際專案的開發，包括影像分類辨識、IMDB電影評論情感分析、遷移學習、人臉辨識、影像風格遷移、生成對抗網路等，讓你用最簡潔的Python，成為深度學習最厲害的大神。

適合讀者
✪具備Python語言基礎知識的程式初學者。
✪非專業出身，想轉換跑道進入人工智慧領域的程式設計師。

本書看點
✪人工智慧、機器學習與深度學習簡介。
✪深度學習框架TensorFlow、Keras。
✪深度學習開發環境架設。
✪資料前置處理、模型評估指標、影像分類辨識。

宋立桓

IT資深技術專家、佈道師，主要負責為企業客戶提供顧問諮詢、培訓和方案設計服務。目前是騰訊雲架構師，專注於雲端計算、巨量資料和人工智慧，對區塊鏈的相關技術也有深入的研究。著有圖書《Cloudera Hadoop大資料平臺實戰指南》和《AI制勝：機器學習極簡入門》。

馬克．庫班（NBA 獨行俠隊老闆，億萬富翁）說過，「人工智慧、深度學習和機器學習，不論你現在是否能夠理解這些概念，你都應該學習。否則三年內，你就會像被滅絕的恐龍一樣被社會淘汰。」

馬克．庫班的這番話可能聽起來挺嚇人的，但道理是無庸置疑的！我們正經歷一場大革命，這場革命就是由巨量資料和強大的電腦運算能力發起的。2016 年3 月，震驚世界的AlphaGo 以4:1 的成績戰勝李世石，讓越來越多的人了解到人工智慧的魅力，也讓更多的人加入深度學習的研究。

然而普通的程式設計師想要快速入門深度學習，就需要使用簡單易懂的框架，自從Google 公司開放了TensorFlow 深度學習框架原始碼，深度學習這門技術便成為廣大開發者最實用的技術。而Keras 框架使得撰寫神經網路模型更簡單、更高效。

深度學習如何高效入門可以說是AI 領域老生常談的問題了，一種路徑是從傳統的統計學習開始，然後跟著書上推公式學數學；另一種路徑是從實驗入手，畢竟深度學習是一門實驗科學，可以透過學習深度學習框架TensorFlow 和Keras 以及具體的影像辨識的任務入手。對想要快速出成果的同學來說，第一種方法是不推薦的，除非你的數學很強想去做一些偏理論的工作，對大部分人來說還是從深度模型入手，以實驗為主來學習比較合適。

本書立足實踐，以通俗易懂的方式詳細介紹深度學習的基礎理論以及相關的必要知識，同時以實際動手操作的方式來引導讀者入門人工智慧深度學習。

致謝
感謝我的妻子和女兒、你們是我心靈的港灣！
感謝我的父母，你們一直在默默地支持著我！
感謝我的朋友和同事，相互學習的同時彼此欣賞！
感謝清華大學出版社的老師們幫助我出版了這本有意義的著作。
萬事起頭難，只有打開了一扇窗戶，才能發現一個全新的世界。這本書能幫助新人打開深度學習的這扇門，讓更多的人享受到人工智慧時代到來的紅利。

宋立桓
騰訊雲解決方案架構師
雲端運算、巨量資料、人工智慧諮詢顧問

第 1 章　人工智慧、機器學習與深度學習簡介
1.1 什麼是人工智慧
1.2 人工智慧的本質
1.3 人工智慧相關專業人才的就業前景
1.4 機器學習和深度學習
1.5 小白如何學深度學習

第 2 章　深度學習開發環境架設
2.1 Jupyter Notebook 極速入門
2.2 深度學習常用框架介紹
2.3 Windows 環境下安裝TensorFlow（CPU 版本）和Keras
2.4 Windows 環境下安裝TensorFlow（GPU 版本）和Keras
2.5 Windows 環境下安裝PyTorch

第 3 章　Python 資料科學函數庫
3.1 張量、矩陣和向量
3.2 陣列和矩陣運算函數庫――NumPy
3.3 資料分析處理函數庫――Pandas
3.4 資料視覺化函數庫――Matplotlib

第 4 章　深度學習基礎
4.1 神經網路原理闡述
4.2 卷積神經網路
4.3 卷積神經網路經典模型架構

第 5 章　深度學習框架TensorFlow 入門
5.1 第一個TensorFlow 的「Hello world」
5.2 TensorFlow 程式結構
5.3 TensorFlow 常數、變數、預留位置
5.4 TensorFlow 案例實戰
5.5 視覺化工具TensorBoard 的使用

第 6 章　深度學習框架Keras 入門
6.1 Keras 架構簡介
6.2 Keras 常用概念
6.3 Keras 建立神經網路基本流程
6.4 Keras 建立神經網路進行鐵達尼號生還預測
6.5 Keras 建立神經網路預測銀行客戶流失率

第 7 章　資料前置處理和模型評估指標
7.1 資料前置處理的重要性和原則
7.2 資料前置處理方法介紹
7.3 常用的模型評估指標

第 8 章　影像分類辨識
8.1 影像辨識的基礎知識
8.2 實例一：手寫數字辨識
8.3 實例二：CIFAR-10 影像辨識
8.4 實例三：貓狗辨識

第 9 章　IMDB 電影評論情感分析
9.1 IMDB 電影資料集和影評文字處理介紹
9.2 基於多層感知器模型的電影評論情感分析
9.3 基於RNN 模型的電影評論情感分析
9.4 基於LSTM 模型的電影評論情感分析

第 10 章　遷移學習
10.1 遷移學習簡介
10.2 什麼是預訓練模型
10.3 如何使用預訓練模型
10.4 在貓狗辨識的任務上使用遷移學習
10.5 在MNIST 手寫體分類上使用遷移學習
10.6 遷移學習複習

第 11 章　人臉辨識實踐
11.1 人臉辨識
11.2 人臉檢測和關鍵點定位實戰
11.3 人臉表情分析情緒辨識實戰
11.4 我能認識你――人臉辨識實戰

第 12 章　影像風格遷移
12.1 影像風格遷移簡介
12.2 使用預訓練的VGG16 模型進行風格遷移
12.3 影像風格遷移複習

第 13 章　生成對抗網路
13.1 什麼是生成對抗網路
13.2 生成對抗網路演算法細節
13.3 循環生成對抗網路
13.4 利用CycleGAN 進行影像風格遷移

後記　進一步深入學習