• 深度学习导论
  • 深度学习导论
  • 深度学习导论
  • 深度学习导论
21年品牌 40万+商家 超1.5亿件商品

深度学习导论

全新正版 极速发货

28.87 5.9折 49 全新

库存4件

广东广州
认证卖家担保交易快速发货售后保障

作者[美]尤金·查尔尼克(Eugene Charniak)

出版社人民邮电出版社

ISBN9787115529916

出版时间2020-04

装帧平装

开本16开

定价49元

货号1202047202

上书时间2024-09-04

徐小智的书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介
作者简介尤金·查尔尼克(Eugene Charniak),美国布朗大学计算机科学和认知科学教授,博士毕业于MIT,博士导师是人工智能之父马文·明斯基。他是靠前知名的人工智能研究者,美国人工智能学会(AAAI)会士,2011年获美国计算语言学会(ACL)终身成就奖。除本书之外,他还撰写了《统计语言学习》《人工智能编程》等图书。译者简介沈磊,美国计算语言学会(ACL)会员,中国计算机学会(CCF)会员,博士毕业于北京航空航天大学计算机学院,博士研究方向为人工智能、模式识别,现为vivo公司北京AI研究院NLP算法专家,主要方向为自然语言理解和自动问答。她在自然语言处理及推荐算法方向发表了多篇学术论文,申请了5项。郑春萍,教育学博士,北京邮电大学人文学院副教授,主要研究方向为应用语言学与计算机辅助翻译。她是美国国务院“英语语言学者项目”访问学者、英国曼彻斯特大学人文艺术学院访问学者,曾获北京市高等教育教学成果一等奖、北京市高校青年教学名师奖、中央电视台“希望之星”英语风采大赛全国总决赛很好指导教师奖等奖项。她主持了国家社科基金、教育部霍英东青年教师基金及教育部人文社科基金等省部级课题6项,发表学术论文40余篇,主编教材2部,出版专著1部、译著2部。

目录
第 1章  前馈神经网络  1  1.1 感知机  3  1.2 神经网络的交叉熵损失函数  7  1.3 导数与随机梯度下降  11  1.4 编写程序  15  1.5 神经网络的矩阵表示  17  1.6 数据独立性  19  1.7 参考文献和补充阅读  20  1.8 习题  21第  2章 Tensorflow  23  2.1 预备知识  23  2.2 TF程序  26  2.3 多层神经网络  31  2.4 其他方面  34  2.4.1 检查点  34  2.4.2 tensordot  35  2.4.3 TF变量的初始化  37  2.4.4 TF图创建的简化  39  2.5 参考文献和补充阅读  40  2.6 习题  40第3章  卷积神经网络  43  3.1 滤波器、步长和填充  43  3.2 一个简单的TF卷积例子  49  3.3 多层卷积  51  3.4 卷积细节  54  3.4.1 偏置  54  3.4.2 卷积层  55  3.4.3 池化运算(pooling)  55  3.5 参考文献和补充阅读  56  3.6 习题  57第4章  词嵌入与循环神经网络  59  4.1 语言模型的词嵌入  59  4.2 构建前馈语言模型  63  4.3 改进前馈语言模型  65  4.4 过拟合  66  4.5 循环网络  69  4.6 长短期记忆模型  75  4.7 参考文献和补充阅读  78  4.8 习题  78第5章  序列到序列学习  81  5.1 seq2seq模型  82  5.2 编写一个seq2seq MT程序  84  5.3 seq2seq中的注意力机制  87  5.4 多长度seq2seq  90  5.5 编程练习  91  5.6 参考文献和补充阅读  93  5.7 习题  94第6章  深度强化学习  97  6.1 值迭代  98  6.2 Q学习  101  6.3 深度Q学习基础  103  6.4 策略梯度法  106  6.5 行动者-评论家方法  112  6.6 经验回放  114  6.7 参考文献和补充阅读  115  6.8 习题  116第7章  无监督神经网络模型  119  7.1 基本自编码  119  7.2 卷积自编码  122  7.3 变分自编码  126  7.4 生成式对抗网络  132  7.5 参考文献和补充阅读  137  7.6 习题  137附录A  部分习题答案  139附录B  参考文献  143附录C  索引  147本书赞誉  151

内容摘要
《深度学习导论》讲述了前馈神经网络、Tensorflow、卷积神经网络、词嵌入与循环神经网络、序列到序列学习、深度强化学习、无监督神经网络模型等深度学习领域的基本概念和技术,通过一系列的编程任务,向读者介绍了热门的人工智能应用,包括计算机视觉和自然语言处理等。本书编写简明扼要,理论联系实践,每一章都包含习题以及补充阅读的参考文献。本书既可作为高校人工智能课程的教学用书,也可供从业者入门参考。本书要求读者熟悉线性代数、多元微积分、概率论与数理统计知识,另外需要读者了解Python编程。

主编推荐
1.国内知识图谱界领军人物、文因互联CEO鲍捷作序。国内外产业界和学术界大咖鼎力推荐2.本书编写简明扼要,是美国常青藤名校布朗大学的教材。本书的每一章都包括了一个编程项目和一些书面练习,并附上了参考资料,可供读者进一步阅读。3.人工智能经典入门书,基于Tensorflow编写,以项目为导向,通过一系列的编程任务,向读者介绍了热门的人工智能应用,包括计算机视觉、自然语言处理和强化学习等。4.做中学。作者在前言中写道:“对我而言,学习计算机科学的优选方法,就是坐下来写程序。”本书正是采用了这种方法。

媒体评论
“我们有多种关于深度学习的图书可供选择:由专家学者撰写的理论图书,以及由程序员撰写的实践图书。而这本书融合了两者的优势。Charniak是一位杰出的学术研究者,他经历了人工智能的每一个阶段,并且经常作为开创一个新的阶段。除了研究者这个身份,他还是一个活跃的程序员,通过编写程序来理解人工智能。在这本精心撰写的书中,Charniak向你展示了他所理解的东西,给出了颇有见地的结论,并指导你一步一步地理解代码。”—— Peter Norvig,谷歌研究总监“这是一本精彩绝伦的书,它填补了现有的深度学习领域的‘圣经’(由Goodfellow、Bengio和Courville合著)与众多面向从业者的实践图书之间的鸿沟。这本书易于理解,通过清晰且引人入胜的文字,描述了计算机视觉、自然语言处理和机器人领域关键的深度学习算法的理论和实践应用。这本书构思精巧、言简意赅,讲解了目前近期新的深度学习技术,是学生和其他希望深入学习的人理想的教科书。”—— Chris Manning,美国斯坦福大学计算机科学与语言学教授“深度学习是人工智能和机器学习的主流工具。这本书为初学者进入令人兴奋的深度学习领域夯实了基础。”—— Dapeng Oliver Wu,美国佛罗里达大学计算机科学教授“Eugene Charniak以清晰阐释人工智能中重要而复杂的话题而闻名。在这本书中,他阐释了深度学习,为那些想要、直观地进行学习,无相关知识且希望动手操作的人,提供了必不可少的知识模块。这对从业者和学生都很好有价值。”——Noah A. Smith,美国华盛顿大学计算机科学副教授本书对原理的阐述简单、清晰,毫不晦涩;对实例的讲解则循序渐进,展示了相关应用领域的近期新进展。本书页数不多,但内容不少,可以说是入门深度学习的上佳选择,理论与实战结合的良好典范,绝对值得一读。——陈光,北京邮电大学模式识别实验室副教授(新浪微博@爱可可-爱生活)这本书介绍了深度学习领域中最基本的模型,包括FNN、CNN 和RNN,并对无监督学习、强化学习等学习算法进行了分析,同时以CV、NLP等领域的具体应用为例描述了其中的细节。本书不仅讲解了深度学习的数学和统计学的理论知识,而且从理论知识自然延伸到了编程代码,是本科生和研究生入门深度学习、动手实践很好好的教材。——郭平,IEEE不错会员,北京理工大学计算机学院与北京师范大学系统科学学院教授本书由浅入深地介绍了深度学习领域所需掌握的核心概念、编程框架和主流技术。除了一些基本的理论知识介绍,本书的大多数内容都可以作为一个实用手册,指导读者动手实践。本书融入了作者对深度学习的深入思考,不仅仅告诉读者深度学习是什么,而且会进一步分析为什么深度学习有效。另外本书还介绍了经典的数据预处理方法、参数优化技巧、算法输出的解读等,只有在深度学习领域具有丰富经验的学者才能如此信手拈来、融会贯通。本书既可以作为算法和工程人员的深度学习入门书,也适用于希望了解深度学习基本理论知识的非专业人士阅读。——辛愿,腾讯深海实验室总经理深度学习领域,不缺少大部头的专著,因此《深度学习导论》这本书才难能可贵。本书不到200 页,每个章节的篇幅也不大,但是在整书的框架中,对深度学习领域核心的网络模型部分进行了充分的讲解,包括前向网络、卷积网络和循环网络,结合语言模型中的词嵌入和序列到序列学习,还对长短期记忆网络进行了介绍。我认为这是一本的好书,推荐给大家。——许杨毅,商汤智慧城市事业群产品总监,前京东云不错总监,UCloud产品市场VP,百度系统部、新浪业务运维负责人

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP