【每周一本书】《Python神经网络编程》：致敬开源

【数据猿导读】本书揭示神经网络背后的概念，并介绍如何通过Python3.5实现神经网络

编辑 | sharon

官网 | www.datayuan.cn

微信公众号ID | datayuancn

神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习 技术。

当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。

本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。

内容简介

本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识和树莓派知识。

目录

第 1 章　神经网络如何工作

1.1　尺有所短，寸有所长 

1.2　一台简单的预测机

1.3　分类器与预测器并无太大差别

1.4　训练简单的分类器　

1.5　有时候一个分类器不足以求解问题　

1.6　神经元——大自然的计算机器　

1.7　在神经网络中追踪信号　

1.8　凭心而论，矩阵乘法大有用途　

1.9　使用矩阵乘法的三层神经网络示例　

1.10　学习来自多个节点的权重　

1.11　多个输出节点反向传播误差

1.12　反向传播误差到更多层中

1.13　使用矩阵乘法进行反向传播误差　

1.14　我们实际上如何更新权重　

1.15　权重更新成功范例

1.16　准备数据　

第 2 章　使用Python进行DIY

2.1　Python　

2.2　交互式Python = IPython　

2.3　优雅地开始使用Python　

2.4　使用Python制作神经网络 

2.5　手写数字的数据集MNIST

第 3 章　趣味盎然

3.1　自己的手写数字　

3.2　神经网络大脑内部　

3.3　创建新的训练数据：旋转图像　

3.4　结语　

附录A　微积分简介

A.1　一条平直的线　

A.2　一条斜线　

A.3　一条曲线　

A.4　手绘微积分　

A.5　非手绘微积分　

A.6　无需绘制图表的微积分　

A.7　模式　

A.8　函数的函数　

附录B　使用树莓派来工作

B.1　安装IPython

B.2　确保各项工作正常进行　

B.3　训练和测试神经网络　

B.4　树莓派成功了

适读人群

本书适合想要从事神经网络研究和探索的读者学习参考，尤其适合想要通过Python编程进行神经网络开发的读者参考。也适合对人工智能、机器学习和深度学习等相关领域感兴趣的读者阅读。

作者译者

塔里克·拉希德，拥有物理学学士学位、机器学习和数据挖掘硕士学位。他常年活跃于伦敦的技术领域，领导并组织伦敦Python聚会小组（近3000名成员）。

译者简介

林赐，软件设计师、网络工程师，毕业于渥太华大学系统科学硕士专业，已翻译出版多本技术图书。

购书地址：

https://item.jd.com/12335366.html dist=jd

【本栏目合作伙伴】：清华大学出版社、电子工业出版社、北京师范大学出版社、中国人民大学出版社、机械工业出版社华章公司、人民邮电出版社异步社区

欢迎更多合作伙伴加入，可加小编微信：jiannan2022，备注“书”

4月26日-4月27日，AI in China 之智能制造-数据驱动产业变革-高峰论坛即将开始，期待我们的见面