深度生成模型
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 58.46 5.4折 ￥ 108 全新
库存24件
湖北武汉
认证卖家担保交易快速发货售后保障
作者(波) Jakub M. Tomczak著
出版社电子工业出版社
ISBN9787121460180
出版时间2023-09
装帧平装
开本其他
定价108元
货号4430093
上书时间2024-12-19
- 在售商品 暂无
- 平均发货时间 17小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"Jakub M. Tomczak：阿姆斯特丹自由大学计算智能小组的人工智能助理教授、弗罗茨瓦夫理工大学机器学习博士，曾在阿姆斯特丹高通人工智能研究公司担任深度学习研究员（员工工程师），以及玛丽斯克洛多夫斯卡-居里教授的个人研究员。研究兴趣包括概率建模、深度学习、近似贝叶斯建模和深度生成建模（特别关注变分自动编码器和基于流的模型）。
译者简介
王冠，北京大学物理及计算机学士，香港科技大学物理研究型硕士，谷歌机器学习开发者专家，先后在多个学术和工业研究实验室从事机器学习、计算机视觉和自然语言处理的研发，并在保险行业应用人工智能方面有多年的经验，《Rasa实战：构建开源对话机器人》作者，发表了数篇相关领域的学术论文，拥有多项工业专利。他还是一位活跃的技术博主和开源社区贡献者，在GitHub上的开源项目获得了超过12,000个星标。"
目录
本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的AI系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型, 包括自回归模型、流模型、隐变量模型、基于能量的模型等。这些模型构成了以ChatGPT 为代表的大语言模型, 以及以Stable Diffusion 为代表的扩散模型等深度生成模型背后的技术基石。
内容摘要
构建通用人工智能的关键就是无监督学习，而不需要标签来训练模型，最简单的方法就是使用深度生成模型。本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的 AI 系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型，包括自回归模型、流模型、隐变量模型、基于能量的模型等。这些模型构成了以 ChatGPT 为代表的大语言模型，以及以 Stable Diffusion 为代表的扩散模型等深度生成模型背后的技术基石。
本书适合具备微积分、线性代数、概率论等大学本科水平，并且了解机器学习、Python 及PyTorch 等深度学习框架的学生、工程师和研究人员阅读。无论读者的背景如何，只要对深度生成模型有兴趣，都能从本书中获益。
主编推荐
"深学细悟筑基石，任凭风浪起，稳步迈进通用人工智能
用本书可
可系统学习自回归模型、流模型、隐变量模型、基于能量的模型等
学会本书可
构建可又快又准地作出决策的AI系统
这种AI系统将从生成的角度来理解周边世界"
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价