深度学习 - 第2页

本书先介绍深度强化学习的基础知识及相关算法，然后给出多个实战项目，以期让读者可以根据环境的直接反馈对智能体加以调整和改进，提升运用深度强化学习技术解决实际问题的能力。 本书涵盖深度 Q 网络、策略梯度法、演员 - 评论家算法、进化算法、Dist-DQN、多智能体强化学习、可解释性强化学习等内容。本书给出的实战项目紧跟深度强化学习技术的发展趋势，且所有项目示例以 Jupter Notebook 样式

《PaddlePaddle 深度学习实战》是围绕百度开源深度学习框架 PaddlePaddle 编写的实践型技术书籍，内容涵盖深度学习基础理论与实际项目开发流程。全书从神经网络基本概念入手，逐步讲解卷积神经网络、循环神经网络、自然语言处理、计算机视觉等常见模型，并结合 PaddlePaddle 框架进行代码实现与案例演示。书中强调动手实践，通过完整示例帮助读者理解模型训练、调参、部署等关键步骤。该

全球科技巨头纷纷拥抱深度学习，自动驾驶、AI 医疗、语音识别、图像识别、智能翻译以及震惊世界的 AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。 本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在 20 世

本书包含 7 章，从智能问答的意义和现状过度到自然语言处理与深度学习技术。第二章是机器学习基础，包括线性代数、概率论、信息论、统计学习、隐马尔可夫模型和条件随机场模型。第三章介绍自然语言处理，帮助大家入门自然语言处理。第四章讲解深度学习，包含基础内容前向传播网络、反向传播、梯度下降原理，以及目前广泛使用的卷积神经网络和循环神经网络。第五章介绍词向量技术实现及应用。第六章介绍采用深度学习实现问答系统

本书的内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者，还是有一定经验的从业人员，相信都能从本书的不同章节中有所收获。区别于其他推荐算法书籍，本书引入了已被实践证明效果较好的深度学习推荐技术，包括 Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何

《深度学习：21 天实战 Caffe》是一本深度学习入门读物。以目前已经大量用于线上系统的深度学习框架 Caffe 为例，由浅入深，从 Caffe 的配置、部署、使用开始学习，通过阅读 Caffe 源码理解其精髓，加强对深度学习理论的理解，最终达到熟练运用 Caffe 解决实际问题的目的。和国外机器学习、深度学习大部头著作相比，《深度学习：21 天实战 Caffe》偏重动手实践，将难以捉摸的枯燥理