whrcartoon的博客

不需要解压密码的《Python深度学习》由Keras之父、现任Google人工智能研究员的Franc?ois Chollet执笔，详尽展示了用Python、Keras、TensorFlow进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。在学习完本书后，读者将了解深度学习、机器学习和神经网络的关键概念，具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力，学会解决现实世界中的深度学习问题。除此之外，本书还深刻剖析了当前的"人工智能热"，从理性的视角展望了深度学习在未来的可能性。 ● 30多个代码示例，带你全面掌握如何用深度学习解决实际问题 ● Keras框架速成的明智之选 ● 夯实深度学习基础，在实践中培养对深度神经网络的良好直觉 ● 无须机器学习经验和高等数学背景 "本书在当前的'人工智能热'和深度学习的本来面目之间架起了一座桥梁。"--Peter Rabinovitch，云平台Akamai高级性能工程师 "本书是助你进阶为Keras及深度学习高手的秘笈。"--Claudio Rodriguez，IT服务公司Candid Partners高级DevOps工程师 "本书是我为华盛顿大学设计的一门深度学习课程所选的教材，非常实用。能够直接得到Keras之父的建议真是一桩幸事。"--Amazon.com用户Eric Nichols

1975年度诺贝尔经济学奖获得者康托洛维奇的数学名著， 上册为“泛函分析”的第一部分--线性算子与线性泛函，共十一章，内容有拓扑空间与度量空间，向量空间，拓扑向量空间，赋范空间，线性算子与线性泛函，泛函的解析表示，线性算子序列，Banach空间中的弱拓扑，紧算子与共轭算子，有序赋范空间，积分算子。 下册为“泛函分析”的第二部分--泛函方程，共七章，内容为共轭方程，第二类泛函方程，近似方法的一般理论，最速下降法，不动点原理，非线性算子的微分，Newton法。

本书是一部经典的线性代数教科书．其内容根据作者在奠斯科大学和基辅大学的授课材料整理修订而成，曾被用作苏联高等院校的教材。全书内容包括：行列式、线性空间、线性方程组、以向量为自变量的线性函数、坐标变换、双线性型与二次型、欧几里得空间、正交化与体积的测度、不变子空间与特征向量、欧氏空间里的二次型、二次曲面和无穷维欧氏空间的几何学