深度学习
正版新书 新华官方库房直发 可开电子发票
￥ 75.22 6.9折 ￥ 109 全新
库存3件
作者翟中华，孟翔宇编著
出版社清华大学出版社
ISBN9787302568483
出版时间2021-08
版次1
装帧平装
开本16开
纸张胶版纸
页数448页
字数630千字
定价109元
货号SC:9787302568483
上书时间2024-09-17
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
"翟中华 清华大学硕士毕业，北京洪策元创智能科技有限公司CEO，AI火箭营首席讲师。在机器学习、深度学习、计算机视觉、自然语言处理等人工智能领域有扎实的理论基础和丰富的应用实践经验。主讲的课程“深度学习入门系列讲解”“PyTorch深度学习实战”等累计学员约50万人次，讲课风格抽丝剥茧、尝入浅出、以简驭繁，能够把复杂的原理简单化，把简单的原理内涵化，深受广大学员的认可。
孟翔宇 华中科技大学软件工程硕士，现就职于阿里巴巴集团（杭州），先后从事面向B类外贸电商的商家生命周期建模、计算广告相关性匹配和推荐广告召回等领域的研究和实践工作。拥有工业海量数据场景下的建模理论和实战经验，对多种机器学习、深度学习和强化学习模型有着浓厚的兴趣和较深的理解。"
主编推荐:
"学习思路，理论先行：构建了非常系统化的理论知识体系，助力读者透彻理解深度学习的基础知识。
学习原理，思维先行：学习一种新的方法、新的算法时，先从本质上剖析其来源，分析提出这种新方法的思维是什么。
抽丝剥茧、深挖本质：透过其烦杂的表面，深挖其本质。
纵向学习、横向比较：详细讲解深度学习作为语言模型中很有用的一种技巧，如何在很多方法中被借鉴和使用。
实践有章可循，拒绝举轻若重：本书将实践分为原理实践和应用实践。原理实践注重案例与原理的呼应，增强对于原理的理解和认识；代码实践增加不同场景下的实践技能，提高Python实践水平。"
内容简介:
本书深入浅出地讲解深度学习，对复杂的概念深挖其本质，让其简单化；对简单的概念深挖其联系，使其丰富化。从理论知识到实战项目，内容翔实。
本书分为两篇，基础篇主要讲解深度学习的理论知识，实战篇是代码实践及应用。基础篇（第1～13章）包括由传统机器学习到深度学习的过渡、图像分类的数据驱动方法、Softmax损失函数、优化方法与梯度、卷积神经网络的各种概念、卷积过程、卷积神经网络各种训练技巧、梯度反传、各种卷积网络架构、递归神经网络和序列模型、基于深度学习的语言模型、生成模型、生成对抗网络等内容；实战篇（第14～19章）包括应用卷积神经网络进行图像分类、各种网络架构、网络各层可视化、猫狗图像识别、文本分类、GAN图像生成等。
本书适合人工智能专业的本科生、研究生，想转型人工智能的IT从业者，以及想从零开始了解并掌握深度学习的读者阅读。
目录:
基础篇
第1章什么是深度学习
1.1通过应用示例直观理解深度学习
1.23个视角解释深度学习
1.2.1分层组合性
1.2.2端到端学习
1.2.3分布式表示
1.3深度学习面临的挑战
1.3.1深度学习的工作机制
1.3.2非凸的问题
1.3.3可解释性的问题
第2章图像识别及KNN算法
2.1图像分类
2.2误差分解和KNN算法
2.2.1误差分解
2.2.2KNN算法运行过程
第3章线性分类器
3.1线性分类器用于图像分类的3个观点
3.1.1线性分类的代数观点
3.1.2线性分类的视觉观点
3.1.3线性分类的几何观点
3.2合页损失函数原理推导及图像分类举例
3.2.1合页损失函数的概念
3.2.2多分类合页损失函数的推导
3.3Softmax损失函数与多分类SVM损失函数的比较
3.3.1Softmax分类与损失函数
3.3.2Softmax损失函数与合页损失函数的比较
第4章优化与梯度
4.1梯度下降法工作原理及3种普通梯度下降法
4.1.1梯度下降的概念
4.1.2梯度下降法求解目标函数
4.1.3学习率的重要性
4.1.43种梯度下降法
4.2动量SGD和Nesterov加速梯度法
4.2.1SGD存在的问题
4.2.2动量法
4.2.3Nesterov加速梯度法
4.3自适应学习速率优化方法
4.3.1指数
...
— 没有更多了 —
以下为对购买帮助不大的评价