更新时间：2021-06-01 17:14:22
封面
版权信息
译者序
前言
致谢
第一部分 从零开始的图像识别
第1章 机器学习的原理
1.1 编程与机器学习
1.2 监督学习
1.3 魔法背后的数学原理
1.4 设置系统
第2章 首个机器学习程序
2.1 了解问题
2.1.1 监督比萨
2.1.2 理解数据
2.2 编写线性回归代码
2.2.1 定义模型
2.2.2 进行预测
2.2.3 进行训练
2.2.4 计算误差
2.2.5 越来越接近
2.2.6 运行代码
2.3 添加偏置
2.4 小结
2.5 动手研究：设置超参数
第3章 梯度
3.1 算法的缺陷
3.2 梯度下降法
3.2.1 少量数学知识
3.2.2 陡坡速降
3.2.3 脱离平面
3.2.4 偏导数
3.2.5 测试梯度下降法
3.2.6 何时梯度下降法不适用
3.3 小结
3.4 动手研究：露营地问题
第4章 超空间
4.1 添加更多维度
4.2 矩阵代数
4.2.1 矩阵乘法
4.2.2 矩阵转置
4.3 升级学习程序
4.3.1 数据准备
4.3.2 升级预测函数
4.3.3 升级损失函数
4.3.4 升级梯度公式
4.3.5 整合函数
4.4 告别偏置
4.5 最后一次试运行
4.6 小结
4.7 动手研究：统计学家
第5章 能辨识的机器
5.1 线性回归的不足
5.2 S型函数
5.2.1 信心与疑虑
5.2.2 平滑过程
5.2.3 升级梯度
5.2.4 模型函数受到的影响
5.3 操作中的分类函数
5.4 小结
5.5 动手研究：权重的影响
第6章 计算机视觉初探
6.1 处理数据
6.1.1 MNIST入门
6.1.2 训练与测试
6.2 我们自己的MNIST库
6.2.1 准备输入矩阵
6.2.2 处理数据
6.3 实际运行
6.4 小结
6.5 动手研究：难以识别的数字
第7章 最后的挑战
7.1 多元分类
7.1.1 独热编码
7.1.2 独热编码实践
7.1.3 解码分类器的答案
7.1.4 需要更多的权重
7.1.5 回顾矩阵维数
7.2 验证与结果
7.3 小结
7.4 动手研究：扫雷舰
第8章 感知机
8.1 认识感知机
8.2 组装感知机
8.3 感知机的不足
8.3.1 线性可分数据
8.3.2 线性不可分数据
8.4 感知机史话
8.4.1 终极之战
8.4.2 论战余波
第二部分 神经网络
第9章 设计神经网络
9.1 用感知机组装神经网络
9.1.1 链式感知机
9.1.2 节点数量
9.2 加入softmax函数
9.3 构建方案
9.4 小结
9.5 动手研究：网络冒险
第10章 构建神经网络
