同類熱銷排行榜

深度學習(數學基礎演算法模型與實戰)/人工智慧科學與技術叢書

作者：編者:于子葉|責編:李曉波//李培培
出版社：機械工業
ISBN：9787111724278

出版日期：2023/04/01
裝幀：平裝
頁數：271

人民幣：RMB 99 元售價：元

內容大鋼

本書以系統性地介紹深度學習理論和相關技術應用為目標，對框架實現及多種深度學習模型進行了詳細講解，並且在介紹電腦圖形學（CV）和自然語言處理（NLP）任務之外，還會對科學研究、城市監測等方面的範例應用進行講解。本書知識全面、實用，共10章，內容包括深度學習數學基礎，深度學習基礎模型（全連接網路、卷積神經網路、循環神經網路和Transformer等）和實現，多場景多領域最佳實踐，模型優化、加速與部署等。本書配套有完整的案例源碼，獲取方式見封底。
本書適合有數據分析需求的技術人員、科研人員，以及互聯網數據分析人員閱讀，還可以作為深度學習培訓班及相關專業研究生的教學參考用書。

作者介紹

編者:于子葉|責編:李曉波//李培培
于子葉，中國地震局地球物理研究所副研究員，中國科學院大學博士。主攻自然科學方向的機器學習演算法研究，曾主持機器學習方向的國家青年基金、重點研發專題等國家級項目，發表多篇相關論文和著作。從事機器學習教育工作多年，在深度學習教育方面具有豐富的經驗。

前言
第1章  深度學習方法概述
  1.1  閱讀本書前需要的準備工作
  1.2  機器學習方法的定義
  1.3  為什麼要使用機器學習方法
  1.4  深度學習方法的產生與發展
  1.5  深度學習應用領域與發展前景
  1.6  如何開始學習
  1.7  本書的章節編排
  1.8  總結
第2章  深度學習的數學基礎
  2.1  深度學習中的線性代數
    2.1.1  機器學習中的數據與矩陣
    2.1.2  矩陣的運算
    2.1.3  圖像的矩陣格式
    2.1.4  文本的矩陣格式
  2.2  優化演算法
    2.2.1  求一元函數的極小值問題
    2.2.2  多元函數求導與梯度下降法
    2.2.3  使用PyTorch進行的求導和優化
    2.2.4  方程求解與欠定問題和正則化
    2.2.5  再論雙十一預測問題與超定問題
  2.3  概率與統計
    2.3.1  概率、條件概率與貝葉斯理論
    2.3.2  極大似然估計與大后驗估計
  2.4  總結
第3章  深度學習基礎模型和實現：全連接網路
  3.1  邏輯回歸演算法
    3.1.1  數據和模型
    3.1.2  交叉熵損失函數
    3.1.3  小批量梯度下降法
    3.1.4  正則化影響
  3.2  訓練集、驗證集、測試集及精度評價標準
    3.2.1  分類問題精度評價標準
    3.2.2  回歸問題精度評價標準
    3.2.3  過擬合和欠擬合問題
  ……
第4章  深度學習基礎模型和實現：卷積神經網路
第5章  深度學習基礎模型和實現：循環神經網路和Transformer
第6章  深度學習基礎模型和實現：深層設計和優化結構
第7章  信號和圖形學應用
第8章  自然語言和時序數據處理類應用
第9章  圖像、信號、文本等跨模態轉換
第10章  深度學習模型壓縮與加速

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

深度學習(數學基礎演算法模型與實戰)/人工智慧科學與技術叢書