Python深度学习原理、算法与案例

本书详解深度学习与机器学习基础、神经网络基础、卷积神经网络和循环神经网络、正则化与深度学习优化等内容，并剖析深度学习在计算机视觉、目标检测、文本分析、强化深度学习、TensorFlow模型、Transformer模型等方向的应用。
本书附录还给出机器学习和深度学习中用到的数学基础知识，包括线性代数、概率论和信息论等。
本书配套70个示例源码、PPT课件，所有示例源码都经过测试无误。

本书涵盖深度学习的专业基础理论知识，包括深度学习概述、机器学习基础、神经网络基础、卷积神经网络、循环神经网络、正则化与深度学习优化，以及比较流行的应用场景实践。本书配套70个示例源码及PPT课件。
本书共11章外加3个附录，系统讲解深度学习的基础知识与领域应用实践。本书内容包括深度学习概述、机器学习基础、神经网络基础、卷积神经网络和循环神经网络、正则化与深度学习优化、计算机视觉应用、目标检测应用、文本分析应用、深度强化学习应用、TensorFlow模型应用、Transformer模型应用等。附录中还给出机器学习和深度学习中用到的数学基础知识，包括线性代数、概率论和信息论等。
本书适合Python深度学习初学者、深度学习算法开发人员学习，也适合作为高等院校计算机技术、人工智能、大数据相关专业的教材或教学参考书。

邓立国，东北大学计算机应用博士，广东工业大学教师。主要研究方向为数据挖掘、知识工程、大数据处理、云计算、分布式计算等。著有图书《scikit-learn机器学习实战》《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《Python机器学习算法与应用》《数据库原理与应用（SQL Server 2016版本）》。