简介
本书深入浅出讲解深度学习，对复杂的深挖其本质，让其简单化；对简单的深挖其联系，让其丰富化。从理论知识到实战项目，内容翔实。 本书分为两篇，基础篇主要讲解深度学习的理论，实战篇是代码实践及应用。基础篇（第1~13章）包括由传统机器学习到深度学习的过度、图像分类的数据驱动的方法、Softmax损失函数、优化方法与梯度、卷积神经网络的各种概念、卷积过程、卷积神经网络各种训练技巧、梯度反传、各种卷积网络架构、RNN递归神经网络和序列模型、基于DL的语言模型、生成模型、生成对抗网络等；实战篇（第14~19章）包括应用卷积神经网络进行图像分类、各种网络架构、网络各层可视化、猫狗图像识别、文本分类、GAN图像生成等。 本书适合人工智能专业的本科生、研究生，想转型人工智能的IT从业者，以及想从零开始了解并学习深度学习的读者阅读。
编辑推荐
学习思路，理论先行：构建了非常系统化的理论知识体系，助力读者透彻理解深度学习的基础知识。 学习原理，思维先行：学习一种新的方法、新的算法时，先从本质上剖析其来源，分析提出这种新方法的思维是什么。 抽丝剥茧、深挖本质：透过其烦杂的表面，深挖其本质。 纵向学习、横向比较：详细讲解深度学习作为语言模型中很有用的一种技巧，如何在很多方法中被借鉴和使用。 实践有章可循，拒绝举轻若重：本书将实践分为原理实践和应用实践。原理实践注重案例与原理的呼应，增强对于原理的理解和认识；代码实践增加不同场景下的实践技能，提高Python实践水平。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2021-08-01
- 更新： 2023-06-22
- 书号：9787302568483
- 中图：TP181
- 学科：工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
