动手学深度学习

动手学深度学习 pdf epub mobi txt 电子书 下载 2025

阿斯顿·张(Aston Zhang)
承接 住宅 自建房 室内改造 装修设计 免费咨询 QQ:624617358 一级注册建筑师 亲自为您回答、经验丰富,价格亲民。无论项目大小,都全力服务。期待合作,欢迎咨询!QQ:624617358
想要找书就要到 图书大百科
立刻按 ctrl+D收藏本页
你会得到大惊喜!!
2019-6 平装 9787115490841

具体描述

阿斯顿·张(Aston Zhang)

亚马逊应用科学家,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。他专注于机器学习的研究,并在数个顶级学术会议发表过论文。他担任过NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等学术会议的程序委员或审稿人以及Frontiers in Big Data 期刊的编委。

李沐(Mu Li)

亚马逊首席科学家(Principal Scientist),加州大学伯克利分校客座助理教授,美国卡内基梅隆大学计算机系博士。他专注于分布式系统和机器学习算法的研究。他是深度学习框架MXNet 的作者之一。他曾任机器学习创业公司Marianas Labs 的CTO 和百度深度学习研究院的主任研发架构师。他在理论、机器学习、应用和操作系统等多个领域的顶级学术会议(包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI)上发表过论文。

扎卡里·C. 立顿(Zachary C. Lipton)

亚马逊应用科学家,美国卡内基梅隆大学助理教授,美国加州大学圣迭戈分校博士。他专注于机器学习算法及其社会影响的研究,特别是在时序数据与序列决策上的深度学习。这类工作有着广泛的应用场景,包括医疗诊断、对话系统和产品推荐。他创立了博客“Approximately Correct”(approximatelycorrect.com)。

亚历山大·J. 斯莫拉(Alexander J. Smola)

亚马逊副总裁/ 杰出科学家,德国柏林工业大学计算机科学博士。他曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教。他发表了超过200 篇学术论文,并著有5 本书,其论文及书被引用超过10 万次。他的研究兴趣包括深度学习、贝叶斯非参数、核方法、统计建模和可扩展算法。

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理,还演示它们的实现和运行。与传统图书不同,本书的每一节都是一个可以下载并运行的 Jupyter记事本,它将文字、公式、图像、代码和运行结果结合在了一起。此外,读者还可以访问并参与书中内容的讨论。

全书的内容分为3个部分:第一部分介绍深度学习的背景,提供预备知识,并包括深度学习最基础的概念和技术;第二部分描述深度学习计算的重要组成部分,还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络;第三部分评价优化算法,检验影响深度学习计算性能的重要因素,并分别列举深度学习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习的方法和实践,主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

用户评价

评分

##这本书有这么高的评价我是出乎意料的。 原理都是一笔带过甚至没有,全是泛泛而谈的列一下代码(我用的pytorch)。我作为一个对卷积神经网络也算是入门,甚至有实际应用的人,看了这本书直接把我给整不会了。 如果只是要学怎么用pytorch搭建一个能拿来分类图片的cnn模型,那直接...  

评分

##清晰且详尽,适合深度学习入门,不仅阐述深度学习的算法原理,还演示它们的实现和运行,可操作性很强。可惜基于mxnet实现,不是TensorFlow,还有就是深度差一点。

评分

评分

##借着把torch快速撸一遍

评分

##第一版一般,集中于mxnet实现,内容安排比较随意,优点在于真的能跑的代码,真的去实现了几种CV网络。第二版在官网,丰富了很多理论知识,结构更顺畅、规整(类似其他老牌书的架势),同时提供mxnet、pytorch、tf三套代码,增加了Attention、BERT、推荐系统(很扎实)、GAN

评分

##应该是到2020年为止最适合入门的一本深度学习教材了吧, 讲的东西虽然不是很深,但是都很clear,还讲解了MXNet相关的实现, 最好还是看英文版的, 讲了attention mechanism和别的机制,这些貌似中文版没有,RNN推荐再看看CMU的DL https://www.youtube.com/watch?v=YYNNTrSROa4 Attention 推荐看看李宏毅两倍速就行 https://www.bilibili.com/video/av48285039?p=92 假如实在这也学不会, 只推荐看UW的这个DL了。。。虽然这么浅基本就是追求广度的科普 https://github.com/jeffheaton/t81_558_deep_learning

评分

评分

##强推,Pytorch版本也有

评分

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 book.qciss.net All Rights Reserved. 图书大百科 版权所有