深度学 人工智能 鲁伟
none
￥ 40.35 5.8折 ￥ 69 全新
库存3件
北京丰台
认证卖家担保交易快速发货售后保障
作者鲁伟
出版社北京大学出版社
ISBN9787301161227
出版时间2020-08
版次1
装帧平装
开本16
页数200页
字数264千字
定价69元
货号303_9787301161227
上书时间2024-11-21
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
作者以学者的身份和过来人的角度来谈深度学，对于广大想要入门深度学而不知方法路径的读者而言很有指导价值，二字也能快速拉近与读者的距离。 —— 有三ai创始人 言有三作为一本深度学入门书籍，这本深度学几乎覆盖了大多数深度学知识体系，从dnn到n再到rnn，分别对应神经网络理论基础、计算机视觉和自然语言处理，作者以学者和从业者的身份告诉大家深度学怎样学，从提纲挈领到入微细节，是一本深度学入门好书。—— 华东师范大学统计学院 汤银才教授当我们谈起人工智能时，可能很多人都觉得它很专业而且离我们很遥远。我们付款可以刷脸了，寂寞的时候可以和iri聊天，带一只翻译笔可以解决跨国语言交流障碍，打开一个页面瞬间都是我们喜欢的内容，看完这些后，你还会觉得遥远吗？很显然，不遥远。这些是人工智能的杰作。 人工智能是一个泛泛的概念，也有人称为机器学，通俗的解释是让机器像人类一样思、做事，而深度学是人工智能的核心技术之一，多数人面对学深度学都感到很恐惧，认为太专业了、太深奥了，根本不可能啃动！那我建议你先看看这本深度学的，整本书通俗易懂、风趣幽默，实战强，相信你也能快速掌握这门人工智能的核心技术。——爱数圈创始人、知名数据大v 邓凯
目录：
讲神经网络与深度学1
1.1机器学与深度学的关系2
1.2感知机与神经网络3
第2讲神经网络的过拟合与正则化7
2.1机器学的核心要义8
2.2范数与正则化9
2.3神经网络的正则化和dropout11
第3讲深度学的优化算法14
3.1机器学的数学规约15
3.2损失函数和深度学优化算法15
3.3梯度下降法16
3.4从momentum到adam18
第4讲卷积神经网络21
4.1n发展简史与相关人物22
4.2卷积的含义23
4.3池化和全连接26
第5讲n图像学过程与可视化28
5.1n的直观理解29
5.2n图像学的可视化31
第6讲n图像分类：从le5到efficient37
6.1计算机视觉的三大任务38
6.2n图像分类发展史39
第7讲n目标检测：从rn到yolo47
7.1目标检测概述48
7.2n目标检测算法49
第8讲n图像分割：从f到u-56
8.1语义分割和实例分割概述57
8.2语义分割58
第9讲迁移学理论与实践65
9.1迁移学：深度学未来五年的驱动力？66
9.2迁移学的使用场景66
9.3深度卷积网络的可迁移67
9.4迁移学的使用方法68
9.5基于res的迁移学实验68
0讲循环神经网络76
10.1从语音识别到自然语言处理77
10.2rnn：网络架构与技术79
10.3四种rnn结构81
1讲长短期记忆网络84
11.1深度神经网络的困扰：梯度爆炸与梯度消失85
11.2lstm：让rnn具备更好的记忆机制87
2讲自然语言处理与词向量91
12.1自然语言处理简介92
12.2词汇表征93
12.3词向量与语言模型94
3讲word2vec词向量98
13.1word2vec99
13.2word2vec的训练过程：以cbow为例100
4讲seq2seq与注意力模型104
14.1seq2seq的简单介绍105
14.2注意力模型105
14.3基于seq2seq和attention机制的机器翻译实践108
5讲语音识别118
15.1概述119
15.2信号处理与特征提取120
15.3传统声学模型122
15.4基于深度学的声学模型123
15.5端到端的语音识别系统简介125
6讲从embed到xl：nlp预训练模型简介127
16.1从embed到elmo128
16.2特征提取器：transformer129
16.3低调：gpt131
16.4封神之作：bert131
16.5持续创新：xl132
7讲深度生成模型之自134
17.1自135
17.2自的降噪作用136
17.3变分自138
17.4vae的keras实现143
8讲深度生成模型之生成式对抗网络148
18.1gan149
18.2训练一个dcgan151
9讲神经风格迁移、深度强化学与胶囊网络159
19.1神经风格迁移160
19.2深度强化学162
19.3胶囊网络166
第20讲深度学框架171
20.1概述172
20.2tensorflow173
20.3keras175
20.4pytorch176
第21讲深度学数据集179
21.1cv经典数据集180
21.2nlp经典数据集187
参文献189
内容简介：
深度学作为一本以“”命名的深度学图书，主要定位是面向广大希望入门深度学的初学者。本书以深度神经网络(dnn)、卷积神经网络(n)和循环神经网络(rnn)为核心，详细介绍了深度学的理论基础、通用方法和三大网络的与实践。全书代码以kera框架作为范例，对于初学者而言简单易懂。对于深度学而言，本书内容丰富，知识覆盖面广，兼有代码实战适合想要入门深度学的广大学者阅读。
作者简介：
鲁伟，贝叶斯统计方向硕士，深度学算法工程师，公众号“机器学实验室”主编，对人工智能、机器学、深度学、医学图像处理和计算机视觉等有深入研究。
— 没有更多了 —
以下为对购买帮助不大的评价