深度学经典教程：深度学+动手学深度学 编程语言 作者
none
￥ 137.65 5.0折 ￥ 277.8 全新
库存4件
北京丰台
认证卖家担保交易快速发货售后保障
作者作者
出版社人民邮电出版社
ISBN9787115461476
出版时间2017-07
版次1
装帧其他
开本16
页数500页
字数805千字
定价277.8元
货号xhwx_1202842951
上书时间2024-12-14
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
深度学ai！深度学领域奠基的经典书！长期位居美国ai和机器学类图书！所有数据科学家和机器学从业者的阅读图书！特斯拉ceo埃隆马斯克等外众多！
深度学是机器学的一个分支，它能够使计算机通过层次概念来学经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学领域的许多主题。
本书囊括了数学及相关概念的背景知识，包括线代数、概率论、信息论、数值优化以及机器学中的相关内容。同时，它还介绍了界中实践者用到的深度学技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线系统、生物信息学以及游戏方面的应用。后，本书还提供了一些研究方向，涵盖的理论主题包括线因子模型、自、表示学、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。
深度学这本书既可以被本科生或用于规划其学术界或界生涯，也适用于希望在各种产品或台上开始使用深度学技术的软件工程师。作者在本书的配套上为读者和教师提供了补充资料。中文版读者可以访问邮电出版社异步社区.epubit..获取相关信息。
封面特：
由艺术家daniel ambroi提供的公园杜鹃花步道梦幻景观。在ambroi的亿级像素全景图上，应用joeph marr（google）和chir lamb（nvidia）修改后的google deepdream开源程序，创造了daniel ambroi的“幻景”。动手学深度学 pytorch版深度学领域重磅作品动手学深度学重磅推出pytorch版本；
李沐、阿斯顿张等大咖作者强强联合，精心编撰；
全球400多所大学采用的教科书，提供课程、ppt、题，方便教师授课与自学；
能运行、可讨论的深度学入门书，可在线运行源码并与作译者实时讨论。
目录：
《深度学》
《动手学深度学 pytorch版》
【注】本套装以商品标题及实物为准，因仓位不同可能会拆单发货，如有需要购买前可联系客服确认后再下单，谢谢！
内容简介：
深度学深度学由全球知名的三位专家ian goodfellow、yohua bengio 和aaron courville撰写，是深度学领域奠基的经典教材。全书的内容包括3个部分：部分介绍基本的数学工具和机器学的概念，它们是深度学的预备知识；第2部分系统深入地讲解现今已成熟的深度学方法和技术；第3部分讨论某些具有前瞻的方向和想法，它们被公认为是深度学未来的研究重点。
深度学适合各类读者阅读，包括相关专业的大或，以及不具有机器学或统计背景、但是想要快速补充深度学知识，以便在实际产品或台中应用的软件工程师。动手学深度学 pytorch版本书是动手学深度学的重磅升级版本，选用经典的pytorch深度学框架，旨在向读者交付更为便捷的有关深度学的交互式学体验。
本书重新修订动手学深度学的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，部分介绍深度学的基础知识和预备知识，并由线模型引出简单的神经网络——多层感知机；第二部分阐述深度学计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学应用背后的基本工具；第三部分讨论深度学中常用的优化算法和影响深度学计算能的重要因素，并分别列举深度学在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学的方法和实践，主要面向在校大、技术人员和研究人员。阅读本书需要读者了解基本的python编程知识及预备知识中描述的线代数、微分和概率等基础知识。
作者简介：
深度学作者简介：
ian goodfellow，谷歌公司（google）研究科学家，2014年蒙特利尔大学机器学博士。他的研究兴趣涵盖大多数深度学主题，特别是生成模型以及机器学的安全和隐私。他在研究对抗样本方面是一位有影响力的早期研究者，他发明了生成式对抗网络，在深度学领域贡献很好。
yohua bengio，2018年图灵奖得主，蒙特利尔大学计算机科学与运筹学系（diro）教授，蒙特利尔学算法研究所（mila）负责人，cifar项目的共同负责人，加拿大统计学算法研究。yohua bengio的主要研究目标是了解产生智力的学原则。他还教授“机器学”课程（ift6266），并培养了一大批和博士后。
aaron courville，蒙特利尔大学计算机科学与运筹学系的助理教授，也是lia实验室的成员。目前他的研究兴趣集中在发展深度学模型和方法，特别是开发概率模型和新颖的推断方法。aaron courville主要专注于计算机视觉应用，在其他领域，如自然语言处理、音频信号处理、语音理解和其他ai相关任务方面也有所研究。
中文版审校者简介
张志华，北京大学数学科学学院统计学教授，北京大学大数据研究中心和北京大数据研究院数据科学教授，主要从事机器学和应用统计学的与研究工作。
译者简介
赵申剑，上海交通大学计算机系硕士，研究方向为数值优化和自然语言处理。
黎彧君，上海交通大学计算机系博士，研究方向为数值优化和强化学。
符天凡，上海交通大学计算机系硕士，研究方向为贝叶斯推断。
李凯，上海交通大学计算机系博士，研究方向为博弈论和强化学。动手学深度学 pytorch版作者简介：
阿斯顿张（aton zhang），科学家，美国伊利诺伊大学香槟分校计算机科学博士，统计学和计算机科学双硕士。他专注于机器学和自然语言处理的研究，荣获深度学国际很好学术会议iclr杰出奖、acm ubip杰出奖以及acm eny很好奖提名。他担任过emnlp领域和aaai程序委员。
扎卡里c. 立顿（zachary c. lipton），美国卡内基梅隆大学机器学和运筹学助理教授，并在海因茨公共政策学院以及软件和社会系统系担任礼节任命。他着近似正确机器智能（acmi）实验室，研究涉及核心机器学方法、其社会影响以及包括临床医学和自然语言处理在内的各种应用领域。他目前的研究重点包括处理各种因果结构下分布变化的稳健和自适应算法、预测为决策提供信息（包括应对已部署模型的战略响应）、医学诊断和预后预测、算法公和可解释的基础。他是“appromately correct”博客的创始人，也是讽刺漫画“uperheroe of deep learning”的合著者。
李沐（mu li），首席科学家（enior principal cientit），美国加利福尼亚大学伯克利分校、斯坦福大学客座助理教授，美国卡内基梅隆大学计算机系博士。他曾任机器学创业公司mariana lab的cto和百度深度学研究院的主任研发架构师。他专注于机器学系统和机器学算法的研究。他在理论与应用、机器学与作系统等多个领域的很好学术会议上发表过，被引用上万次。
亚历山大j. 斯莫拉(alexander j. mola)，副裁/杰出科学家，德国柏林大学计算机科学博士。他曾在澳大利亚国立大学、美国加利福尼亚大学伯克利分校和卡内基梅隆大学任教。他发表过超过300篇学术，并著有5本书，其及书被引用超过15万次。他的研究兴趣包括深度学、贝叶斯非参数、核方法、统计建模和可扩展算法。
译者简介：
何孝霆（aoting he），应用科学家，学院软件工程硕士。他专注于对深度学的研究，特别是自然语言处理的应用（包括语言模型、aio、ocr），相关工作落地于众多企业。他担任过acl、emnlp、naacl、eacl等学术会议的程序委员或审稿人。
瑞潮儿胡（rachel hu），应用科学家，美国加利福尼亚大学伯克利分校统计学硕士，加拿大滑铁卢大学数学学士。她致力于将机器学应用于现实世界的产品。她也是人工智能团队的讲师，教授自然语言处理、计算机视觉和机器学商业应用等课程。她已向累计1000余名工程师教授机器学，其公开课程在youtube和哔哩哔哩上广受。
— 没有更多了 —
以下为对购买帮助不大的评价