企业级AI技术内幕：深度学习框架开发 机器学习案例实战 Al.pptxVIP

企业级AI技术内幕：深度学习框架开发+机器学习案例实战+Al读书笔记模板 01思维导图 目录分析 读书笔记 内容摘要 作者介绍 精彩摘录目录0305020406 思维导图 深度框架算法机器开发案例框架内存数据人工智能框架案例第章神经网络应用函数场景算法性能本书关键字分析思维导图 内容摘要 内容摘要《企业级AI技术内幕：深度学习框架开发+机器学习案例实战+Alluxio解密》分为盘古人工智能框架开发专题篇、机器学习案例实战篇、分布式内存管理Alluxio解密篇，分别对人工智能开发框架、机器学习案例及Alluxio系统进行透彻解析。盘古人工智能框架开发专题篇，通过代码讲解多层次神经网络、前向传播算法、反向传播算法、损失度计算及可视化、自适应学习和特征归一化等内容。机器学习案例实战篇，选取机器学习中最具代表性的经典案例，透彻讲解机器学习数据预处理、简单线性回归、多元线性回归、多项式回归、支持向量回归、决策树回归、随机森林回归等回归算法，逻辑回归、k近邻算法、支持向量机、朴素贝叶斯、决策树分类、随机森林分类等分类算法、ｋ均值聚类、层次聚类等聚类算法，以及关联分析算法，并对回归模型、分类模型进行性能评估。分布式内存管理Alluxio解密篇，详细讲解Alluxio架构、部署、底层存储及计算应用、基本用法、运行维护等内容。 目录分析 第1章导论：为什么人工智能是必然的未来第3章盘古人工智能框架的前向传播功能第2章盘古人工智能框架多层次神经网络的实现盘古人工智能框架开发专题篇 第4章盘古人工智能框架的反向传播功能第5章盘古人工智能框架的损失度计算及其可视化第6章通过特征归一化和自适应学习优化盘古人工智能框架第7章盘古人工智能框架实现方法大总结第8章使用矩阵的方式编写人工智能框架12345盘古人工智能框架开发专题篇 第9章使用四种性能优化矩阵编写人工智能框架第10章人工智能及感知元解密第11章神经网络结构及Sigmoid函数第12章用神经网络识别手写数字第13章人工智能框架编写中关于损失度及梯度下降的设计与实现12345盘古人工智能框架开发专题篇 第14章 MNIST数字识别第16章 Spark+PyTorch开发应用第15章从矩阵视角剖析神经网络的运行过程盘古人工智能框架开发专题篇 第1章导论：为什么人工智能是必然的未来1.1为什么一定需要人工智能1.2人工智能为何如此强大1.3学习人工智能的正道1.4人工智能、机器学习、深度学习三者之间的关系1.5人工智能的十大经典应用场景1.6人工智能在海量数据处理中不可替代的原因1.7本书开发环境的安装 第2章盘古人工智能框架多层次神经网络的实现2.1盘古人工智能框架2.2实现神经网络的节点结构2.3实现神经网络层之间节点的连接2.4如何初始化神经网络的权重2.5实现多个隐藏层 第3章盘古人工智能框架的前向传播功能3.1前向传播功能3.2在每个节点上增加数据的输入和计算结果3.3实现前向传播算法3.4使用Sigmoid函数作为激活函数3.5测试前向传播算法并分析计算结果 第4章盘古人工智能框架的反向传播功能4.1深度学习是如何学习的4.2实现反向传播算法4.3反向传播算法测试及分析计算结果 第5章盘古人工智能框架的损失度计算及其可视化5.1关于损失度的思考——所有人工智能框架终身的魔咒5.2编码实现损失度并进行测试5.3损失度可视化运行结果 第6章通过特征归一化和自适应学习优化盘古人工智能框架6.1盘古人工智能框架性能测试及问题剖析6.2使用特征归一化进行性能优化6.3使用自适应学习进行性能优化 第7章盘古人工智能框架实现方法大总结7.1盘古人工智能框架性能测试7.2神经网络实现及和TensorFlow的对比7.3前向传播算法实现及其和TensorFlow的算法对比7.4反向传播算法实现及与TensorFlow的对比7.5损失度计算实现与TensorFlow的对比7.6人工智能盘古框架源代码 第8章使用矩阵的方式编写人工智能框架8.1使用矩阵编写人工智能框架8.2测试及分析计算结果8.3对使用矩阵方式编写的人工智能框架进行优化 第9章使用四种性能优化矩阵编写人工智能框架9.1梯度下降陷阱9.2增加和调整alpha参数9.3人工智能框架的改进优化 第10章人工智能及感知元解密10.1人工智能是什么，怎么做，前景为什么好10.2计算机视觉面临的困境及突破10.3感知器解密10.4计算机图像识别 第11章神经网络结构及Sigmoid函数11.1神经网络实现与非门11.2神经网络为什么能够完成各类计算11.3神经网络的结构解密11.4 Sigmoid函数背后的设计和实现密码11.5 Sigmoid函数的弱点及改进 第12章用神经网络识别手写数字12.1神经网络识别手写数字的原理12.2为何识别数字的三层神经网络