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

本书由百度官方出品，百度公司 CTO 王海峰博士作序，张钹院士、李未院士、百度集团副总裁吴甜联袂推荐。 本书遵循“内容全面、由浅入深、注重实践”的原则，基于飞桨 PaddlePaddle 深度学习平台，较为全面地覆盖了学习深度学习技术所必须具备的基础知识以及深度学习主要核心技术，包括相关的数学基础、Python 编程基础、机器学习基础以及正向/反向传播算法、卷积神经网络、循环神经网络等，尽量做到读

《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

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

《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

《深度学习：智能时代的核心驱动力量》并不是一本教读者编写神经网络代码的技术教材，而是一部由深度学习重要推动者亲自讲述的技术与思想史。作者经历了神经网络长期不受重视的年代，也见证深度学习重新成为人工智能核心技术的过程。书中回顾机器学习与神经网络的发展，讨论自动驾驶、机器翻译、语音识别、AI 医疗和 AlphaGo 等应用为什么能够在深度学习推动下取得突破，并介绍反向传播等关键思想在技术演进中的作用。

《深度学习：方法及应用》介绍了深度学习的理论与实践。全书围绕深度神经网络展开，从基础概念、典型网络结构、训练技巧到具体的应用案例如语音识别、计算机视觉、自然语言处理和多模态学习等领域进行了全面阐述。每章既讲述方法原理，也注重展示应用效果与实战案例，有助于读者理解深度学习技术如何在信号与信息处理任务中产生变革性影响。该书适合作为高等院校人工智能与机器学习课程的教材，也适合从业者和技术爱好者作为入门与

《智能问答与深度学习》围绕“如何让机器理解文本并回答问题”展开，从人工智能与信息论的发展脉络讲起，逐步介绍智能问答系统的类型、自然语言处理基础以及机器学习和深度学习在文本任务中的应用。基础部分涉及文本预处理、特征表示、词向量、经典机器学习方法和神经网络，为后续理解复杂模型建立必要知识。书中不仅介绍算法名称，也尽量结合代码和实际文本任务说明模型如何训练和使用。进一步的内容进入文本分类、语义匹配、深度

《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

《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