基于TensorFlow的深度学习：神经网络、计算机视觉和NLP的理论与实践 英文原版

图书标准信息

• 作者 （美）马格努斯·埃克曼
• 出版社 机械工业出版社
• 出版时间 2024-01
• 版次 1
• ISBN 9787111741725
• 定价 149.00元
• 装帧 平装
• 开本 16开
• 页数 407页
• 字数 0.59千字

【内容简介】

本书系统地讲解了深度学技术，阐明核心概念和实践编程技术，是开发者、数据科学家、分析师，以及之前没有机器学或统计经验的人员人员的理想选择。本书介绍了深度神经网络的人工神经元和全连接、卷积和循环层等基本构建模块，展示了如何使用它们来构建优选的架构。书中还讲解了如何使用这些概念构建计算机视觉和自然语言处理（nlp）网络，包括makrn、gpt和bert。此外，书中还描述了自然语言翻译器和能根据图像内容生成自然语言系统的。

【作者简介】

:
    马格努斯·埃克曼博士是NVIDIA公司的架构总监，带领Al数据中心的工程团队，致力于自动驾驶芯片的研究。他还受聘于NVIDIA深度学习研究学院（NVIDIA DeepLearning Institute，DLI），从事人工智能、加速计算和数据科学方面的实践培训。

【目录】

序一

序二

前言

章rosenblatt感知器1

1.1双输入感知器示例3

1.2感知器学算法4

1.3感知器的局限9

1.4组合多个感知器11

1.5感知器的几何解释13

1.6理解偏差项14

第2章基于梯度的学16

2.1感知器学算法的直观解释16

2.2用梯度下降法解决学问题18

2.3网络中的常量与变量20

2.4感知器学算法的解析20

2.5感知器学算法的几何描述22

2.6重新审视不同类型的感知器22

……