神经网络与深度学习实战：Python+Keras+TensorFlow

本书以“理论打底、代码落地”的方式，带读者从零进入神经网络与深度学习领域。全书先打数学基础：从极限、导数、链式法则讲到偏导数与极值，再从常量、向量、矩阵讲到张量（tensor）与向量范数，让读者在面对损失函数与梯度下降时不再“看不清公式”。随后深入神经网络内部机制：激活函数如何引入非线性、矩阵运算如何驱动前向传播、反向传播如何把误差回传以修正权重、梯度下降如何迭代训练，并用手算梯度的方式把训练过程拆开来看。 理论之后进入大量实战项目：先用 Python 不依赖高层框架、从零实现一个识别手写数字的神经网络，再依次完成电影评论情感分析、新闻话题分类、房价预测等任务；接着讲解卷积神经网络，并引导读者识别猫狗图片、使用预训练网络做快速迁移、可视化网络的学习过程；再用 Word Embedding、skip-gram、RNN、LSTM 与 CNN 组合处理自然语言任务。后半部分转向框架实战：TensorFlow 入门之后，用 TensorFlow 与 Keras 搭建高级自然语言处理系统、图像识别系统和智能推荐系统，最后一章总结深度学习的重要概念与调参技巧。全书共 15 章，案例完整、代码量大，适合作为动手学深度学习的入门到进阶读物。