理解深度学习 - 第3页

...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。第七章介绍目前很热门的问答的一个大分支——机器阅读理解。

...以多层神经网络、玻尔兹曼机器学习等经典理论为开端，以深度学习为结果，向读者展示了一个非常美妙的机器学习技术领域。内容包括数据采集、数据挖掘、机器学习、支持向量机、神经网络、模型调整、基于玻尔兹曼机器学习的图像处理方法等。

...理解并掌握构建智能系统所需要的概念和工具。全书分为两部分。第一部分介绍机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习...

...数据预处理、模型训练与评估，到深度神经网络、卷积神经网络（CNN）、循环神经网络（RNN）及自然语言处理等多个实用主题。本书采用项目驱动的方式，通过多个真实案例和代码演示，帮助读者深入理解算法背后的原理和实现过程。作者注重...

...还新增了深度学习、贝叶斯网、隐马尔科夫模型等内容。对于每个算法，均包括提出问题、解决策略、数学推导、编码实现、结果评估几部分。数学推导力图做到由浅入深，深入浅出。结构上数学原理与程序代码一一对照，有助于降低学习门槛，加深公式的理解...

...深入理解机器学习原理并提高动手实战能力，是培养新一代人工智能实战型人才不可多得的好书。——朱军 清华大学计算机科学与技术系博世人工智能冠名教授、IEEE会士本书是全面、系统的机器学习教材，主要介绍机器学习...

...研究人员和行业从业者。读者无须深度学习基础，只要会用 Python，就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在线运行，让学习过程更轻松。 编辑推荐

...以 AI 发展的宏观视角切入其起源、哲学基础和技术发展，从达特茅斯会议讲到深度学习的复兴与 AGI（通用人工智能）的未来，重点阐释了我们用来理解未来世界的四大核心概念：“涌现”“人类当量”“算法审判”“文明契约”。...

...图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库...

...涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该...