神经网络与深度学习（吴岸城） - 第2页

...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，大型金融集团科技公司深度学习平台和...

...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、超参数调整等；第二部分（第 4~10 章）介绍如何使用卷积神经网络、迁移学习等技术解决更复杂的视觉相关问题，包括图像...

...客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念，并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理，构建并训练神经网络，利用客户端数据优化机器学习模型，开发基于浏览器的交互式游戏，同时为深度学习探索...

...学习”公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习...

...多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习。本书还介绍了深度学习的新动态，包括图神经网络和用于自然语言处理...

...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”的学习方式。本书兼具理论深度与教学友好...

...中指导读者将自己的理解制作成短，以加强学效果。另外，书中还指导读者在 colab 台上进行实践。 本书内容全面，从基础的神经网络、卷积神经网络、循环神经网络等入门知识，到深度学的应用领域如计算机视觉...

...清洗、特征工程以及深度学习解决问题的一般步骤等。第4章介绍PyTorch基础知识，包括张量的创建、激活函数、损失函数、优化器等。第5章介绍PyTorch深度神经网络，包括神经网络概述、卷积神经网络、循环神经网络等。

...中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面...

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。