深度学习 - 第1页

《理解深度学习》是西蒙·J.D.·普林斯撰写的一本深度学习教材，旨在帮助读者从原理层面理解现代深度学习技术。全书以直观方式讲解神经网络的核心思想，并逐步深入到训练机制、优化算法与模型结构等关键内容。书中涵盖前馈神经网络、卷积神经网络（CNN）、循环神经网络（RNN）以及注意力机制等主流模型，同时结合概率论、线性代数与优化理论解释模型为何能够工作。作者特别强调数学直觉与可解释性，减少单纯“调包调用”

本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课，专门解决“入门深度强化学习难”的问题。 本书的独特之处在于：第一，知识精简，剔除一切不必要的概念和公式，学起来轻松；第二，内容新颖，聚焦近 10 年深度强化学习领域的突破，让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现，但不回避数学公式和各种模型，原创 100 多幅精美插图，并以全彩印刷展示。简洁清晰的语言 + 生动形象的

《深入理解 AutoML 和 AutoDL：构建自动化机器学习与深度学习平台》围绕自动化机器学习（AutoML）与自动化深度学习（AutoDL）展开，系统介绍如何利用算法与工程化平台降低 AI 模型开发门槛。全书从机器学习流程自动化出发，讲解数据预处理、特征工程、模型选择、超参数优化以及神经网络结构搜索（NAS）等关键技术，并分析自动化训练与部署流程的实现方法。 作者是资深的人工智能专家，大型金融

《深度学习在复杂系统健康监测中的应用》由吴军编写，围绕深度学习在工业领域的落地应用展开。全书系统介绍复杂系统健康监测的理论基础与关键技术，包括数据采集、特征工程以及模型构建等核心环节。为了深入实施制造强国战略，我国正加速推动物联网、太数据、人工智能、云计算与制造业的深度融合，促进制造业向数字化、网络化和智能化转型升级。复杂系统健康监测是其中的关键环节之一.随着数据积聚、算法革新与算力提升，以裸度学

本书主要内容包括 PyTorch 中的计算图，用三阶多项式拟合函数，实现手写数字识别，神经网络基础，卷积神经网络，PyTorch 基础知识，transformer 架构，文本分类应用开发，聊天机器人应用开发，用 Wav2Vec2 进行语音识别，机器翻译应用开发，分布式 PyTorch 等。

Free read at https://deeplearningwithpython.io/ Deep Learning with Python, Third Edition puts the power of deep learning in your hands. This new edition includes the latest Keras and TensorFlow featur

深度学习绝非不可窥探的黑箱！深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家，同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。本书通过平实的语言解析、详尽的代码注释，以及数十个基于 PyTorch 框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂

本书基于真实数据集，全面系统地阐述现代计算机视觉实用技术、方法和实践，涵盖 50 多个计算机视觉问题。本书内容丰富新颖，语言文字表述清晰，应用实例讲解详细，图例直观形象，适合 PyTorch 初中级读者及计算机视觉相关技术人员阅读。全书分为四部分：第一部分（第 1~3 章）介绍神经网络和 PyTorch 的基础知识，以及如何使用 PyTorch 构建并训练神经网络，包括输入数据缩放、批归一化、超参

Deep Learning Crash Course is a fast-paced, thorough introduction that will have you building today’s most powerful AI models from scratch. No experience with deep learning required! Designed for prog

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由 Hulu 的近 30 位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在