/feiguyunai

Primary LanguageJupyter Notebook

《Python深度学习基于PyTorch（第2版）》

Python-DL-PyTorch2 本书代码及数据下载百度盘 提取码:w42f 包括代码+数据+PPT文档等，大小约：3G

本书电子文档及相关资料

本书主题内容

本书分为三部分，共19章，第一部分为PyTorch基础，第二部分为深度学习基本原理，第三部分是实战内容。

第一部分 第1-4章

为PyTorch基础： 第1~4章 为Python和PyTorch基础部分，也是本书的基础部分，为后续学习打下一个坚实基础。 $\bullet$ 第1章介绍Python和PyTorch的基石NumPy
$\bullet$ 第2章介绍PyTorch基础
$\bullet$ 第3、4章分别介绍PyTorch构建神经网络工具箱和数据处理工具箱等内容。

第二部分 第5-10章 深度学习基本原理

第二部分（第5~10章）为机器学习、深度学习部分，这是本书核心部分

第三部分 第11-19章 为实战内容

（第11~19章）为深度学习实战，也即前面两部分的具体应用部分。这部分在介绍相关原理、架构的基础上，用PyTorch具体实现多个深度学习的典型实例，最后介绍了强化学习、深度强化学习等内容。

《Python深度学习基于TensorFlow（第2版）》

Python-DL-TensorFlow2 本书代码及数据下载百度盘 提取码:xscp 文件大小约：1.3G

本书电子文档及相关资料

本书主题内容

本书共20章，按照“基础到实践”的顺序展开，分为四个部分。

第一部分 第1-5章 为Python和TensorFlow基础部分

$\bullet$ 第1章介绍Python和TensorFlow的基石NumPy
$\bullet$ 第2章介绍TensorFlow基础 $\bullet$ 第3、4、5章介绍TensorFlow构建模型、数据处理及可视化等内容。

第二部分 第6-12章 为深度学习基础部分

$\bullet$第6章为机器学习基础，也是深度学习基础，其中包含很多机器学习经典理论和算法；
$\bullet$ 第7章介绍深度学习基础的基础——神经网络；
$\bullet$ 第8~12章分别从视觉处理、自然语言处理基础、注意力机制、目标检测和生成式深度学习等方面进行说明。

第三部分 第13-18章

为深度学习实践部分 通过实例把理论与实践相结合，同时实现理论理解的进一步提升。具体包括风格迁移、目标检测实例、人脸检测与识别、光学字符识别、人机对话和利用Transformer处理图像等方面的实例。

第四部分（第19-20章）为强化学习内容

$\bullet$ 第19章介绍强化学习基础，
$\bullet$ 第20章为强化学习实践内容。

《深入浅出Embedding》

本书代码及数据下载百度盘 提取码:lyl0 包括代码+数据等，大小约：3G

本书电子文档及相关资料

本书主题内容

本书分为两部分，共16章。第一部分介绍相关技术的基础知识，第二部分运行这些技术解决实际问题的实例。

第一部分（第1-9章）基础知识

重点介绍了Embedding的发展历史及最新应用，对各种预训练模型涉及的基础知识做了详解说明，如语言模型、迁移学习、注意力机制等。 $\bullet$第1章说明万物皆可Embedding；
$\bullet$第2章说明如何获取Embedding； $\bullet$第3、4章分别介绍视觉处理、文本处理方面的基础知识；
$\bullet$ 第5章为本书重点，介绍了多种注意力机制；
$\bullet$ 第6、7、8章介绍了ELMo、BERT、GPT、XLNet等多种预训练模型；
$\bullet$ 第9章介绍了推荐排序系统。

第二部分 实例

以实例为主，介绍了Embedding的多种应用，使用新技术解决NLP方面的一些任务。
$\bullet$ 第10章使用Embedding处理机器学习中的分类特征；
$\bullet$ 第11章用Embedding提升机器学习性能；
$\bullet$ 第12章用Transformer实现英文翻译成中文；
$\bullet$ 第13章介绍Embedding在推荐系统的前沿应用；
$\bullet$ 第14章用BERT实现中文语句分类问题；
$\bullet$第15章使用GPT-2实现文本生成；
$\bullet$ 第16章Embedding技术展望总结。

《Python入门到人工智能实战》

Python- From-Base-To-AI 本书代码及数据下载百度盘 提取码:afmu 包括代码+数据+PPT文档等，大小约：500M
本书电子文档及相关资料 本书分为两部分，共20章，第一部分为Python基础，第二部分为人工智能基础。

第一部分（第1~11章 为Python基础部分

这部分也本书的基础，为后续章节的学习打下一个坚实基础。 $\bullet$ 第1章介绍Python的安装与配置；
$\bullet$ 第2章介绍变量与数据类型；
$\bullet$ 第3、4、5章介绍序列、字典、集合等数据结构及if、for循环等内容；
$\bullet$ 第5、7章是这部分重点，分别介绍了函数，类和对象等概念；
$\bullet$ 第8章涉及文件与异常处理；
$\bullet$ 第9、10章分别介绍了科学计算的神器NumPy、善于数据处理的Pandas；
$\bullet$ 第11章介绍如何实现数据可视化。

第二部分

为人工智能基础部分

这是本书核心部分，包括机器学习常用算法、机器学习一般流程、神经网络和两种最好学深度学习框架等内容。 $\bullet$ 第12章为机器学习基础，也是深度学习基础，其中包含很多机器学习经典理论、算法和方法等内容；
$\bullet$ 第13章介绍神经网络： $\bullet$ 第14章介绍PyTorch及用PyTorch实现神经网络；
$\bullet$ 第15章介绍了卷积神经网络；
$\bullet$ 第16章介绍了提升模型性能的几种方法；
$\bullet$ 第17章为Keras入门；
$\bullet$ 第18、19、20章分别用Keras实现图像识别、迁移学习、风格迁移等内容。