Python人工智能项目实战
作者：（印度） 桑塔努 帕塔纳亚克（Santanu Pattanayak）
出版时间：2019年版
内容简介
本书通过9个直观、有趣和生活息息相关的实际项目，详细介绍如何通过结合深度学习和强化学习构建智能而实用的人工智能系统，涉及的项目涵盖医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶等领域，使用的技术包括卷积神经网络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗网络、机器翻译和迁移学习。借助本书的理论知识，你将有能力建立自己的智能模型，轻松解决任何类型的人工智能问题。
全书共10章，第1章介绍构建人工智能系统的基础知识；第2章介绍如何使用迁移学习来检测人眼中的糖尿病视网膜病变症状，并判断其严重程度；第3章介绍循环神经网络（RNN）架构的基础知识；第4章解释如何创建一个智能的AI模型；第5章讨论CNN和长短期记忆（LSTM）在视频字幕中的角色，以及视频字幕系统的构建；第6章讨论推荐系统；第7章解释机器学习如何向移动应用提供服务；第8章解释聊天机器人是如何进化的，以及使用聊天机器人的好处；第9章解释强化学习和Q学习；第10章讨论什么是CAPTCHA以及为什么我们需要CAPTCHA，并介绍如何使用对抗学习来生成CAPTCHA。
内页插图
目录
译者序
前言
作者简介
审校者简介
第1章 人工智能系统基础知识
1．1 神经网络
1．2 神经激活单元
1．2．1 线性激活单元
1．2．2 sigmoid激活单元
1．2．3 双曲正切激活函数
1．2．4 修正线性单元
1．2．5 softmax激活单元
1．3 用反向传播算法训练神经网络
1．4 卷积神经网络
1．5 循环神经网络
1．6 生成对抗网络
1．7 强化学习
1．7．1 Q学习
1．7．2 深度Q学习
1．8 迁移学习
1．9 受限玻尔兹曼机
1．1 0自编码器
1．1 1总结
第2章 迁移学习
2．1 技术要求
2．2 迁移学习简介
2．3 迁移学习和糖尿病视网膜病变检测
2．4 糖尿病视网膜病变数据集
2．5 定义损失函数
2．6 考虑类别不平衡问题
2．7 预处理图像
2．8 使用仿射变换生成额外数据
2．8．1 旋转
2．8．2 平移
2．8．3 缩放
2．8．4 反射
2．8．5 通过仿射变换生成额外的图像
2．9 网络架构
2．9．1 VGG16迁移学习网络
2．9．2 InceptionV3迁移学习网络
2．9．3 ResNet50迁移学习网络
2．10 优化器和初始学习率
2．11 交叉验证
2．12 基于验证对数损失的模型检查点
2．13 训练过程的Python实现
2．14 类别分类结果
2．15 在测试期间进行推断
2．16 使用回归而非类别分类
2．17 使用kerassequential工具类生成器
2．18 总结
……
第3章 神经机器翻译
第4章 基于GAN的时尚风格迁移
第5章 视频字幕应用
第6章 智能推荐系统
第7章 用于电影评论情感分析的移动应用程序
第8章 提供客户服务的AI聊天机器人
第9章 基于增强学习的无人驾驶
第10章 从深度学习的角度看CAPTCHA
