掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥83.2
加入購(gòu)物車
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐 版權(quán)信息
- ISBN：9787121342462
- 條形碼：9787121342462 ; 978-7-121-34246-2
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐 本書特色
深度學(xué)習(xí)是人工智能的前沿技術(shù)。本書深入淺出地介紹了深度學(xué)習(xí)的相關(guān)理論和實(shí)踐，全書共分16章，采用理論和實(shí)踐雙主線寫作方式。 第1章給出深度學(xué)習(xí)的大圖。第2章和第3章，講解了機(jī)器學(xué)習(xí)的相關(guān)基礎(chǔ)理論。第4章和第5章，講解了Python基礎(chǔ)和基于Python的機(jī)器學(xué)習(xí)實(shí)戰(zhàn)。第6至10章，先后講解了M-P模型、感知機(jī)、多層神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)等知識(shí)。第11章講解了被廣泛認(rèn)可的深度學(xué)習(xí)框架TensorFlow。第12章和第13章詳細(xì)講解了卷積神經(jīng)網(wǎng)絡(luò)，并給出了相關(guān)的實(shí)戰(zhàn)項(xiàng)目。第14章和第15章，分別講解了循環(huán)遞歸網(wǎng)絡(luò)和長(zhǎng)短期記憶（LSTM）網(wǎng)絡(luò)。第16章講解了神經(jīng)膠囊網(wǎng)絡(luò)，并給出了神經(jīng)膠囊網(wǎng)絡(luò)設(shè)計(jì)的詳細(xì)論述和實(shí)踐案例分析。
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐 內(nèi)容簡(jiǎn)介
√零入門。本書在介紹深度學(xué)習(xí)時(shí)，也介紹了Python、TensorFlow、M-P模型、感知機(jī)等神經(jīng)網(wǎng)絡(luò)等基礎(chǔ)知識(shí)，從而可以讓讀者零基礎(chǔ)入門。 √高可讀。有別于其他同類書籍的深?yuàn)W難懂，本書配合近300幅手繪圖片，一圖勝千言，輔以大量的哲理故事，通俗易懂，獨(dú)辟蹊徑。 √重實(shí)戰(zhàn)。除了理論部分的講解不落窠臼，本書還重視實(shí)戰(zhàn)，列舉了大量具有啟發(fā)意義的實(shí)戰(zhàn)案例，循序漸進(jìn)，讓讀者通過(guò)實(shí)戰(zhàn)獲得成就感。 √抓前沿。本書緊抓領(lǐng)域前沿，Geoffrey Hinton的新研究成果——神經(jīng)膠囊網(wǎng)絡(luò)，本書詳細(xì)解讀，輔以實(shí)戰(zhàn)，讓讀者能夠站在科研前沿。
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐 目錄
第１章 一入侯門“深”似海，深度學(xué)習(xí)深幾許 ........... 1
1.1 深度學(xué)習(xí)的巨大影響 .....................................2
1.2 什么是學(xué)習(xí) ..... 4
1.3 什么是機(jī)器學(xué)習(xí) ........................................... 4
1.4 機(jī)器學(xué)習(xí)的4個(gè)象限 ......................................5
1.5 什么是深度學(xué)習(xí) .......................................... 6
1.6 “戀愛(ài)”中的深度學(xué)習(xí) .................................... 7
1.7 深度學(xué)習(xí)的方法論 .......................................9
1.8 有沒(méi)有淺層學(xué)習(xí) ..........................................13
1.9 本章小結(jié) ....... 14
1.10 請(qǐng)你思考 ..... 14
參考資料 ................ 14
第2章 人工“碳”索意猶盡，智能“硅”來(lái)未可知 . 16
2.1 信數(shù)據(jù)者得永生嗎 .....................................17
2.2 人工智能的“江湖定位”............................... 18
2.3 深度學(xué)習(xí)的歸屬 ........................................19
2.4 機(jī)器學(xué)習(xí)的形式化定義 ...............................21
2.5 為什么要用神經(jīng)網(wǎng)絡(luò) ...................................24
2.6 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) .................................. 26
2.7 什么是通用近似定理 .................................. 27
2.8 本章小結(jié) ....... 31
2.9 請(qǐng)你思考 ....... 31
參考資料 ................ 31
第3章 “機(jī)器學(xué)習(xí)”三重門，“中庸之道”趨若人 ... 33
3.1 監(jiān)督學(xué)習(xí) ....... 34
3.1.1 感性認(rèn)知監(jiān)督學(xué)習(xí) ..................................34
3.1.2 監(jiān)督學(xué)習(xí)的形式化描述 ........................... 35
3.1.3 k-近鄰算法 ...........................................37
3.2 非監(jiān)督學(xué)習(xí) ... 39
3.2.1 感性認(rèn)識(shí)非監(jiān)督學(xué)習(xí) .............................. 39
3.2.2 非監(jiān)督學(xué)習(xí)的代表—K均值聚類 ........... 41
3.3 半監(jiān)督學(xué)習(xí) ... 45
3.4 從“中庸之道”看機(jī)器學(xué)習(xí)............................ 47
3.5 強(qiáng)化學(xué)習(xí) ....... 49
3.6 本章小結(jié) ....... 52
3.7 請(qǐng)你思考 ....... 53
參考資料 ................ 53
第4章 人生苦短對(duì)酒歌， 我用Python樂(lè)趣多 ........55
4.1 Python概要 ... 56
4.1.1 為什么要用Python ................................. 56
4.1.2 Python中常用的庫(kù) ..................................58
4.2 Python的版本之爭(zhēng) .....................................61
4.3 Python環(huán)境配置 ....................................... 65
4.3.1 Windows下的安裝與配置 .........................65
4.3.2 Mac下的安裝與配置 .................................72
4.4 Python編程基礎(chǔ) ....................................... 76
4.4.1 如何運(yùn)行Python代碼 ................................77
4.4.2 代碼縮進(jìn) ................................................79
4.4.3 注釋 ... 80
4.4.4 Python中的數(shù)據(jù)結(jié)構(gòu) ................................ 81
4.4.5 函數(shù)的設(shè)計(jì) ............................................. 93
4.4.6 模塊的導(dǎo)入與使用 .................................... 101
4.4.7 面向?qū)ο蟪绦蛟O(shè)計(jì) .................................... 102
4.5 本章小結(jié) ..... 112
4.6 請(qǐng)你思考 ..... 112
參考資料 .............. 113
第5章 機(jī)器學(xué)習(xí)終覺(jué)淺，Python帶我來(lái)實(shí)踐 ......... 114
5.1 線性回歸 ..... 115
5.1.1 線性回歸的概念 .......................................115
5.1.2 簡(jiǎn)易線性回歸的Python實(shí)現(xiàn)詳解 ........... 119
5.2 k-近鄰算法 .. 139
5.2.1 k-近鄰算法的三個(gè)要素 ............................. 140
5.2.2 k-近鄰算法實(shí)戰(zhàn) .......................................143
5.2.3 使用scikit-learn實(shí)現(xiàn)k-近鄰算法 ............ 155
5.3 本章小結(jié) ..... 162
5.4 請(qǐng)你思考 ..... 162
參考資料 .............. 162
第6章 神經(jīng)網(wǎng)絡(luò)不勝語(yǔ)，M-P模型似可尋 ............. 164
6.1 M-P神經(jīng)元模型是什么 ................................165
6.2 模型背后的那些人和事 .................................167
6.3 激活函數(shù)是怎樣的一種存在............................175
6.4 什么是卷積函數(shù) ..........................................176
6.5 本章小結(jié) ..... 177
6.6 請(qǐng)你思考 ..... 178
參考資料 .............. 178
第7章 Hello World感知機(jī)，懂你我心才安息 ......... 179
7.1 網(wǎng)之初，感知機(jī) ...........................................180
7.2 感知機(jī)名稱的由來(lái) ........................................180
7.3 感性認(rèn)識(shí)“感知機(jī)” ........................................183
7.4 感知機(jī)是如何學(xué)習(xí)的 ......................................185
7.5 感知機(jī)訓(xùn)練法則 ............................................187
7.6 感知機(jī)的幾何意義 .........................................190
7.7 基于Python的感知機(jī)實(shí)戰(zhàn) ..............................191
7.8 感知機(jī)的表征能力 .........................................196
7.9 本章小結(jié) ..... 199
7.10 請(qǐng)你思考 ... 199
參考資料 .............. 199
第8章 損失函數(shù)減肥用，神經(jīng)網(wǎng)絡(luò)調(diào)權(quán)重 ............201
8.1 多層網(wǎng)絡(luò)解決“異或”問(wèn)題........................... 202
8.2 感性認(rèn)識(shí)多層前饋神經(jīng)網(wǎng)絡(luò)........................ 205
8.3 是淺而“胖”好，還是深而“瘦”佳 ................. 209
8.4 分布式特征表達(dá) ......................................... 210
8.5 丟棄學(xué)習(xí)與集成學(xué)習(xí) ................................... 211
8.6 現(xiàn)實(shí)很豐滿，理想很骨感.............................. 212
8.7 損失函數(shù)的定義 ......................................... 213
8.8 熱力學(xué)定律與梯度彌散 ................................ 215
8.9 本章小結(jié) ..... 216
8.10 請(qǐng)你思考 ... 216
參考資料 .............. 217
第9章 山重水復(fù)疑無(wú)路，*快下降問(wèn)梯度 .............. 219
9.1 “鳥飛派”還飛不 ......................................... 220
9.2 1986年的那篇神作 .................................... 221
9.3 多層感知機(jī)網(wǎng)絡(luò)遇到的大問(wèn)題 ....................... 222
9.4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì) ................................... 225
9.5 再議損失函數(shù) ............................................ 227
9.6 什么是梯度 . 229
9.7 什么是梯度遞減 .......................................... 231
9.8 梯度遞減的線性回歸實(shí)戰(zhàn)............................... 235
9.9 什么是隨機(jī)梯度遞減 .................................... 238
9.10 利用SGD解決線性回歸實(shí)戰(zhàn) ........................ 240
9.11 本章小結(jié) ... 247
9.12 請(qǐng)你思考 ... 248
參考資料 .............. 248
第10章 BP算法雙向傳，鏈?zhǔn)角髮?dǎo)*纏綿 ............. 249
10.1 BP算法極簡(jiǎn)史 ........................................... 250
10.2 正向傳播信息 ............................................ 251
10.3 求導(dǎo)中的鏈?zhǔn)椒▌t ...................................... 255
10.4 誤差反向傳播 ............................................ 264
10.4.1 基于隨機(jī)梯度下降的BP算法 .............. 265
10.4.2 輸出層神經(jīng)元的權(quán)值訓(xùn)練 ..................... 267
10.4.3 隱含層神經(jīng)元的權(quán)值訓(xùn)練 ..................... 270
10.4.4 BP算法的感性認(rèn)知 ............................... 273
10.4.5 關(guān)于BP算法的補(bǔ)充說(shuō)明 ...................... 278
10.5 BP算法實(shí)戰(zhàn)詳細(xì)解釋 ................................ 280
10.5.1 初始化網(wǎng)絡(luò) .......................................... 280
10.5.2 信息前向傳播 ....................................... 282
10.5.3 誤差反向傳播 ....................................... 285
10.5.4 訓(xùn)練網(wǎng)絡(luò)（解決異或問(wèn)題） ................. 288
10.5.5 利用BP算法預(yù)測(cè)小麥品種的分類 ...... 293
10.6 本章小結(jié) ... 301
10.7 請(qǐng)你思考 ... 302
參考資料 .............. 304
第11章 一騎紅塵江湖笑，TensorFlow谷歌造 ....... 305
11.1 TensorFlow概述 ..................................... 306
11.2 深度學(xué)習(xí)框架比較 ..................................... 309
11.2.1 Theano .............................................. 309
1.1 深度學(xué)習(xí)的巨大影響 .....................................2
1.2 什么是學(xué)習(xí) ..... 4
1.3 什么是機(jī)器學(xué)習(xí) ........................................... 4
1.4 機(jī)器學(xué)習(xí)的4個(gè)象限 ......................................5
1.5 什么是深度學(xué)習(xí) .......................................... 6
1.6 “戀愛(ài)”中的深度學(xué)習(xí) .................................... 7
1.7 深度學(xué)習(xí)的方法論 .......................................9
1.8 有沒(méi)有淺層學(xué)習(xí) ..........................................13
1.9 本章小結(jié) ....... 14
1.10 請(qǐng)你思考 ..... 14
參考資料 ................ 14
第2章 人工“碳”索意猶盡，智能“硅”來(lái)未可知 . 16
2.1 信數(shù)據(jù)者得永生嗎 .....................................17
2.2 人工智能的“江湖定位”............................... 18
2.3 深度學(xué)習(xí)的歸屬 ........................................19
2.4 機(jī)器學(xué)習(xí)的形式化定義 ...............................21
2.5 為什么要用神經(jīng)網(wǎng)絡(luò) ...................................24
2.6 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) .................................. 26
2.7 什么是通用近似定理 .................................. 27
2.8 本章小結(jié) ....... 31
2.9 請(qǐng)你思考 ....... 31
參考資料 ................ 31
第3章 “機(jī)器學(xué)習(xí)”三重門，“中庸之道”趨若人 ... 33
3.1 監(jiān)督學(xué)習(xí) ....... 34
3.1.1 感性認(rèn)知監(jiān)督學(xué)習(xí) ..................................34
3.1.2 監(jiān)督學(xué)習(xí)的形式化描述 ........................... 35
3.1.3 k-近鄰算法 ...........................................37
3.2 非監(jiān)督學(xué)習(xí) ... 39
3.2.1 感性認(rèn)識(shí)非監(jiān)督學(xué)習(xí) .............................. 39
3.2.2 非監(jiān)督學(xué)習(xí)的代表—K均值聚類 ........... 41
3.3 半監(jiān)督學(xué)習(xí) ... 45
3.4 從“中庸之道”看機(jī)器學(xué)習(xí)............................ 47
3.5 強(qiáng)化學(xué)習(xí) ....... 49
3.6 本章小結(jié) ....... 52
3.7 請(qǐng)你思考 ....... 53
參考資料 ................ 53
第4章 人生苦短對(duì)酒歌， 我用Python樂(lè)趣多 ........55
4.1 Python概要 ... 56
4.1.1 為什么要用Python ................................. 56
4.1.2 Python中常用的庫(kù) ..................................58
4.2 Python的版本之爭(zhēng) .....................................61
4.3 Python環(huán)境配置 ....................................... 65
4.3.1 Windows下的安裝與配置 .........................65
4.3.2 Mac下的安裝與配置 .................................72
4.4 Python編程基礎(chǔ) ....................................... 76
4.4.1 如何運(yùn)行Python代碼 ................................77
4.4.2 代碼縮進(jìn) ................................................79
4.4.3 注釋 ... 80
4.4.4 Python中的數(shù)據(jù)結(jié)構(gòu) ................................ 81
4.4.5 函數(shù)的設(shè)計(jì) ............................................. 93
4.4.6 模塊的導(dǎo)入與使用 .................................... 101
4.4.7 面向?qū)ο蟪绦蛟O(shè)計(jì) .................................... 102
4.5 本章小結(jié) ..... 112
4.6 請(qǐng)你思考 ..... 112
參考資料 .............. 113
第5章 機(jī)器學(xué)習(xí)終覺(jué)淺，Python帶我來(lái)實(shí)踐 ......... 114
5.1 線性回歸 ..... 115
5.1.1 線性回歸的概念 .......................................115
5.1.2 簡(jiǎn)易線性回歸的Python實(shí)現(xiàn)詳解 ........... 119
5.2 k-近鄰算法 .. 139
5.2.1 k-近鄰算法的三個(gè)要素 ............................. 140
5.2.2 k-近鄰算法實(shí)戰(zhàn) .......................................143
5.2.3 使用scikit-learn實(shí)現(xiàn)k-近鄰算法 ............ 155
5.3 本章小結(jié) ..... 162
5.4 請(qǐng)你思考 ..... 162
參考資料 .............. 162
第6章 神經(jīng)網(wǎng)絡(luò)不勝語(yǔ)，M-P模型似可尋 ............. 164
6.1 M-P神經(jīng)元模型是什么 ................................165
6.2 模型背后的那些人和事 .................................167
6.3 激活函數(shù)是怎樣的一種存在............................175
6.4 什么是卷積函數(shù) ..........................................176
6.5 本章小結(jié) ..... 177
6.6 請(qǐng)你思考 ..... 178
參考資料 .............. 178
第7章 Hello World感知機(jī)，懂你我心才安息 ......... 179
7.1 網(wǎng)之初，感知機(jī) ...........................................180
7.2 感知機(jī)名稱的由來(lái) ........................................180
7.3 感性認(rèn)識(shí)“感知機(jī)” ........................................183
7.4 感知機(jī)是如何學(xué)習(xí)的 ......................................185
7.5 感知機(jī)訓(xùn)練法則 ............................................187
7.6 感知機(jī)的幾何意義 .........................................190
7.7 基于Python的感知機(jī)實(shí)戰(zhàn) ..............................191
7.8 感知機(jī)的表征能力 .........................................196
7.9 本章小結(jié) ..... 199
7.10 請(qǐng)你思考 ... 199
參考資料 .............. 199
第8章 損失函數(shù)減肥用，神經(jīng)網(wǎng)絡(luò)調(diào)權(quán)重 ............201
8.1 多層網(wǎng)絡(luò)解決“異或”問(wèn)題........................... 202
8.2 感性認(rèn)識(shí)多層前饋神經(jīng)網(wǎng)絡(luò)........................ 205
8.3 是淺而“胖”好，還是深而“瘦”佳 ................. 209
8.4 分布式特征表達(dá) ......................................... 210
8.5 丟棄學(xué)習(xí)與集成學(xué)習(xí) ................................... 211
8.6 現(xiàn)實(shí)很豐滿，理想很骨感.............................. 212
8.7 損失函數(shù)的定義 ......................................... 213
8.8 熱力學(xué)定律與梯度彌散 ................................ 215
8.9 本章小結(jié) ..... 216
8.10 請(qǐng)你思考 ... 216
參考資料 .............. 217
第9章 山重水復(fù)疑無(wú)路，*快下降問(wèn)梯度 .............. 219
9.1 “鳥飛派”還飛不 ......................................... 220
9.2 1986年的那篇神作 .................................... 221
9.3 多層感知機(jī)網(wǎng)絡(luò)遇到的大問(wèn)題 ....................... 222
9.4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì) ................................... 225
9.5 再議損失函數(shù) ............................................ 227
9.6 什么是梯度 . 229
9.7 什么是梯度遞減 .......................................... 231
9.8 梯度遞減的線性回歸實(shí)戰(zhàn)............................... 235
9.9 什么是隨機(jī)梯度遞減 .................................... 238
9.10 利用SGD解決線性回歸實(shí)戰(zhàn) ........................ 240
9.11 本章小結(jié) ... 247
9.12 請(qǐng)你思考 ... 248
參考資料 .............. 248
第10章 BP算法雙向傳，鏈?zhǔn)角髮?dǎo)*纏綿 ............. 249
10.1 BP算法極簡(jiǎn)史 ........................................... 250
10.2 正向傳播信息 ............................................ 251
10.3 求導(dǎo)中的鏈?zhǔn)椒▌t ...................................... 255
10.4 誤差反向傳播 ............................................ 264
10.4.1 基于隨機(jī)梯度下降的BP算法 .............. 265
10.4.2 輸出層神經(jīng)元的權(quán)值訓(xùn)練 ..................... 267
10.4.3 隱含層神經(jīng)元的權(quán)值訓(xùn)練 ..................... 270
10.4.4 BP算法的感性認(rèn)知 ............................... 273
10.4.5 關(guān)于BP算法的補(bǔ)充說(shuō)明 ...................... 278
10.5 BP算法實(shí)戰(zhàn)詳細(xì)解釋 ................................ 280
10.5.1 初始化網(wǎng)絡(luò) .......................................... 280
10.5.2 信息前向傳播 ....................................... 282
10.5.3 誤差反向傳播 ....................................... 285
10.5.4 訓(xùn)練網(wǎng)絡(luò)（解決異或問(wèn)題） ................. 288
10.5.5 利用BP算法預(yù)測(cè)小麥品種的分類 ...... 293
10.6 本章小結(jié) ... 301
10.7 請(qǐng)你思考 ... 302
參考資料 .............. 304
第11章 一騎紅塵江湖笑，TensorFlow谷歌造 ....... 305
11.1 TensorFlow概述 ..................................... 306
11.2 深度學(xué)習(xí)框架比較 ..................................... 309
11.2.1 Theano .............................................. 309
展開全部
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐 相關(guān)資料
要想戰(zhàn)勝深度學(xué)習(xí)陡峭的學(xué)習(xí)曲線，領(lǐng)悟到它的美，其實(shí)需要很長(zhǎng)的學(xué)習(xí)時(shí)間，也要求具有一定的數(shù)學(xué)功底。而這本《深度學(xué)習(xí)之美》內(nèi)容豐富，緊抓前沿，用輕松的語(yǔ)言和恰當(dāng)?shù)念惐葞椭蠹以竭^(guò)晦澀的公式，行文流暢、圖文并茂，是一本難得的零基礎(chǔ)入門教程。 ——知衣科技CEO，鄭澤宇 科普書籍有兩種寫法，一種是用通俗語(yǔ)言講解深?yuàn)W概念，另一種是用江湖傳聞訴說(shuō)來(lái)龍去脈。很顯然，作者將兩者很好地進(jìn)行了融合。很少見(jiàn)到把深度學(xué)習(xí)的大眾科普與前沿科學(xué)結(jié)合在一本書中論述，且不致人迷茫的，本書的作者做到了。因此，強(qiáng)烈建議所有對(duì)深度學(xué)習(xí)望而生畏卻又心馳神往的人持卷品讀。 ——科大訊飛研究院研究主管，李鑫 深度學(xué)習(xí)給人的反應(yīng)往往是復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和繁冗的數(shù)學(xué)公式，讓人望而卻步。張博士所著的這本《深度學(xué)習(xí)之美》卻能獨(dú)辟蹊徑，不落窠臼，于輕松嬉笑間將深度學(xué)習(xí)的道理娓娓道來(lái)，讓人在享受閱讀的同時(shí)領(lǐng)悟深度學(xué)習(xí)之美，可謂雅俗共賞的科普佳作。 ——極客時(shí)間專欄作者、貴州大學(xué)副教授，王天一 作者十分擅長(zhǎng)以幽默、淺顯的語(yǔ)言講解復(fù)雜的知識(shí)，在介紹專業(yè)知識(shí)的同時(shí)還介紹了每項(xiàng)技術(shù)發(fā)展的歷史脈絡(luò)。這些歷史故事不僅為本書增添了趣味性，更能幫助讀者理解每項(xiàng)技術(shù)是在什么條件下為解決什么問(wèn)題而開發(fā)的，十分可貴。相信無(wú)論是專業(yè)人士還是非專業(yè)人士，在閱讀本書時(shí)都能有所收獲。 ——Google機(jī)器翻譯組工程師，梁博文
博文視點(diǎn)AI系列深度學(xué)習(xí)之美:AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐 作者簡(jiǎn)介
張玉宏，1980年3月生，河南羅山人，2012年博士畢業(yè)于電子科技大學(xué)，2009年~2011年在美國(guó)西北大學(xué)（Northwestern University）訪學(xué)，電子科技大學(xué)博士后。阿里云棲社區(qū)認(rèn)證技術(shù)專欄作家。發(fā)表SCI/EI論文10余篇，出版《品味大數(shù)據(jù)》等暢銷著作2部，參編英文學(xué)術(shù)專著2部。主要研究方向?yàn)楦咝阅苡?jì)算、大數(shù)據(jù)、機(jī)器學(xué)習(xí)等。
書友推薦
- >
名家?guī)阕x魯迅:故事新編
- >
朝聞道
- >
有舍有得是人生
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
推拿
- >
史學(xué)評(píng)論
- >
羅庸西南聯(lián)大授課錄
- >
我從未如此眷戀人間
本類暢銷
