深度学习:从算法本质、系统工程到产业实践
正版保障 假一赔十 可开发票
￥ 58.74 6.6折 ￥ 89 全新
库存110件
广东广州
认证卖家担保交易快速发货售后保障
作者王书浩，徐罡编著
出版社清华大学出版社
ISBN9787302657491
出版时间2024-04
装帧平装
开本16开
定价89元
货号15878527
上书时间2024-11-20
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"王书浩,清华大学博士，清华大学交叉信息研究院博士后，现为透彻未来联合创始人与首席技术官，曾先后于百度、异构智能（NovuMind）、京东从事数据科学与人工智能研究，拥有国家发明专利20余项，并于Nature Communications、Modern Pathology、ICCV等很好期刊/会议发表十余篇学术论文。曾获得2019年乌镇互联网峰会“30位新生代数字经济人才”精英奖、Year 2022 Fall Asia-Pacific Signal and Information Processing Association Industrial Distinguished Leaders、阿里云“看见新力量”2022年度人物。 徐罡，清华大学博士，现任复旦大学复杂体系多尺度研究院青年副研究员，以第一作者身份在ICCV、Briefings in Bioinformatics、Bioinformatics、Journal of Chemical Theory and Computation与Journal of Chemical Information and Modeling等知名期刊/会议中发表多篇文章。主要研究方向为人工智能在医疗图像及计算生物学领域中的应用，提出了弱监督框架CAMEL，并使用深度学习框架TensorFlow建立了蛋白质折叠和对接框架，为人工智能和传统计算生物学领域的结合提供了桥梁。"
目录
第1章神经网络深入
1.1打开深度学习之门
1.2从优化问题讲起
1.2.1牛顿与开普勒的对话
1.2.2拟合与分类的数学模型
1.2.3通过训练数据优化模型参数
1.2.4优化方法
1.3深度神经网络
1.3.1谁来做特征提取
1.3.2人工神经元与激活函数
1.3.3神经网络及其数学本质
1.4正则化方法
1.4.1欠拟合与过拟合
1.4.2正则化方法
1.4.3一些训练技巧
1.5模型评价
……
内容摘要
本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架方面，结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体，并介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网络的前沿进展。在系统工程和产业实践方面，解释了如何使用分布式系统训练和部署模型处理大规模数据。本书系统介绍了构建深度学习推理系统的过程，并结合代码讲解了分布式深度学习推理系统需要考虑的工程化因素，例如分布式问题和消息队列，以及工程化的解决方法。本书提供了每个经典模型和应用实例的TensorFlow和PyTorch版本代码，为深度学习初学者和算法开发者提供理论学习、代码实践和工程落地的指导与帮助。
本书既适合计算机、自动化、电子、通信、数学、物理等相关专业背景的研究生和高年级本科生，也适合那些希望从事或准备转向人工智能领域的专业技术人员与医学研究人员阅读，还可作为高等院校、医疗系统和培训机构相关专业的教学参考书。
精彩内容
本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架方面，结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体，并介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网络的前沿进展。在系统工程和产业实践方面，解释了如何使用分布式系统训练和部署模型处理大规模数据。本书系统介绍了构建深度学习推理系统的过程，并结合代码讲解了分布式深度学习推理系统需要考虑的工程化因素，例如分布式问题和消息队列，以及工程化的解决方法。本书提供了每个经典模型和应用实例的TensorFlow和PyTorch版本代码，为深度学习初学者和算法开发者提供理论学习、代码实践和工程落地的指导与帮助。
本书既适合计算机、自动化、电子、通信、数学、物理等相关专业背景的研究生和高年级本科生，也适合那些希望从事或准备转向人工智能领域的专业技术人员与医学研究人员阅读，还可作为高等院校、医疗系统和培训机构相关专业的教学参考书。
— 没有更多了 —
以下为对购买帮助不大的评价