用Python进行神经网络设计：使用TensorFlow和Keras设计CNNs、Transformers、GANs和胶囊网络

《用Python进行神经网络设计》是为初步接触Python神经网络开发的人士提供的入门指南。它旨在帮助初学者理解神经网络的基本元素，并为他们深入这一迷人的机器学习领域提供信心。 在这本书中，读者将从Python编程的基础知识出发，逐步了解重要概念，并逐渐构建更复杂的神经网络架构。书中通过使用相关的例子和数据集简化学习过程，使概念对每个人都易于理解。你将会被介绍到各种神经网络架构，如前馈网络、卷积网络和递归神经网络等。每种类型都以清晰简洁的方式解释，并通过实际例子来说明它们的应用。本书强调神经网络开发的实际应用和实践方面，而不仅仅是理论知识。 读者还会找到如何排除故障和完善神经网络模型的指导。目标是让你具备创建高效有效神经网络的坚实理解，同时也要注意可能出现的常见挑战。 在阅读完这本书后，你将对Python生态系统中的神经网络有一个基础的理解，并准备将这些知识应用于实际场景。《用Python进行神经网络设计》旨在成为你进入广阔的机器学习世界的垫脚石，使你能够在此基础上建立更多的知识，并在未来探索更高级的主题。 关键学习点 * 掌握用于机器学习的Python，从设置到复杂模型。 * 通过不同问题的多样化神经网络架构获得灵活性。 * 亲手建立、训练和微调神经网络的经验。 * 学习神经模型故障排除和优化的战略方法。 * 掌握自编码器、胶囊网络和注意力机制等高级主题。 * 获取关键数据预处理和增强技术的技能。 * 理解和应用优化技术和超参数调整。 * 实施端到端的机器学习项目，从数据到部署。

目录 * Python、TensorFlow和你的第一个神经网络 * 深入前馈网络 * 用于视觉任务的卷积网络 * 用于序列数据的递归网络 * 使用GANs生成数据 * 用于复杂任务的变压器 * 用于数据压缩和生成的自编码器 * 胶囊网络