深度學習: 邁向 Meta Learning
史丹佛大學 諸葛越博士、北京大學 江雲勝博士主編 / 葫蘆娃 著
- 出版商: 深智數位
- 出版日期: 2022-03-18
- 定價: $880
- 售價: 8.5 折 $748
- 語言: 繁體中文
- 頁數: 464
- 裝訂: 平裝
- ISBN: 9860776911
- ISBN-13: 9789860776911
-
相關分類:
DeepLearning
- 此書翻譯自: 百面深度學習 : 算法工程師帶你去面試
立即出貨(限量)
買這商品的人也買了...
-
$650$507 -
$580$493 -
$890$757 -
$680$537 -
$1,200$900 -
$620$490 -
$700$595 -
$780$616 -
$620$465 -
$690$545 -
$690$545 -
$1,200$948 -
$599$569 -
$750$593 -
$880$695 -
$880$695 -
$790$624 -
$680$537 -
$1,200$948 -
$880$748 -
$600$300 -
$620$465 -
$360$324 -
$680$537 -
$414$393
相關主題
商品描述
► The Quest for Deep Learning & Meta Learning
► 常常看到、聽到卻不知道如何入手
► 最徹底、最過癮的深度學習理論基礎大公開
► 有趣、有用、有深度
► 讓28個矽谷資深AI大師把最重要的100道面試題說清楚、講明白
專家重磅推薦
本書是諸葛越博士及其團隊再次將電腦科學與具體應用相結合推出的一本工具書。如何在實踐應用中結合深度學習的演算法和模型,本書提供了一些借鑒,相信電腦的從業者和非電腦專業的工程人員都能從中受益匪淺。
吳軍 /《浪潮之巔》、《數學之美》作者
近十年來深度學習引發了人工智慧相關領域的突飛猛進,落地應用層出不窮。本書由多位Hulu演算法研究員編寫,對深度學習核心概念、演算法模型、企業應用等方面都有精要介紹,更難能可貴的是通過類似面試問答的形式展開,有易有難,非常適合有志於加入人工智慧領域的開發人員或相關的從業人員參考使用。
華先勝 / 阿里巴巴達摩院人工智慧中心主任,IEEE Fellow
本書透過知識點問答為讀者層層揭開深度學習的神秘面紗,其一大亮點是囊括了一系列前沿領域的新進展。如果你想搶在別人前面掌握它們,千萬不要錯過這本書。
李沐 / AWS首席科學家
本書秉承作者寫作的一貫風格:技術上有深度,深入淺出講得透徹;實踐上有溫度,言傳身教講得到位。近些年來深度學習前沿研究及產業應用如火如荼,過江名士多於鯽,但真正能得其一二要領並嫺熟運用於分析和解決實際問題者,其實還非常匱乏,相關人才缺口巨大。這本關於深度學習的書,也因此特別值得你去深度學習。
孫茂松 / 清華大學人工智慧研究院常務副院長
本書特色
Hulu是矽谷著名串流影音的平台,在廣告投放效果上甚至超越著名的NetFlix。一群來自於Hulu的AI大師,作者智商總和最高,畢業於史丹佛、北大、北京清華等名校,聯手完成了深度學習史上最重要的100個問題。這些問題是對原來已經了解深度學習的高手們可說是做一個總整理。但對剛入門的新手來說也是一本有趣、有用、有深度,極具價值的參考書。
作者簡介
諸葛越 Hulu公司全球研發副總裁,中國研發中心總經理
史丹佛大學電腦碩士與博士學位、紐約州立大學石溪分校應用數學碩士。
曾任Landscape Mobile公司聯合創始人兼CEO,前雅虎北京研發中心產品總監,微軟北京研發中心項目總經理。
2005年獲美國電腦學會資料庫專業委員會十年最佳論文獎。
江雲勝 Hulu資深演算法研究員
北京大學應用數學博士畢業後加入Hulu北京研發中心的Content Intelligence組,負責內容理解相關的研究工作。
葫蘆娃
近30位Hulu北京創新實驗室的頂尖人才,畢業于清華、北大、浙大、上交、北郵、中科院等。他們利用擅長的深度學習、機器學習等領域知識和演算法模型,建立一套定制化的AI平台,改變著推薦引擎、視訊編解碼、內容理解、廣告投放等多項與用戶息息相關的線上業務技術。
目錄大綱
前言
第一部分 演算法和模型
第1 章 卷積神經網路
01 卷積基礎知識
02 卷積的變種
03 卷積神經網路的整體結構
04 卷積神經網路的基礎模組
參考文獻
第2 章 循環神經網路
01 循環神經網路與序列建模
02 循環神經網路中的Dropout
03 循環神經網路中的長期依賴問題
04 長短期記憶網路
05 Seq2Seq 架構
參考文獻
第3 章 圖神經網路
01 圖神經網路的基本結構
02 圖神經網路在推薦系統中的應用
03 圖神經網路的推理能力
參考文獻
第4 章 生成模型
01 深度信念網路與深度波茲曼機
02 變分自編碼器基礎知識
03 變分自編碼器的改進
04 生成式矩比對網路與深度自回歸網路
參考文獻
第5 章 生成式對抗網路
01 生成式對抗網路的基本原理
02 生成式對抗網路的改進
03 生成式對抗網路的效果評估
04 生成式對抗網路的應用
參考文獻
第6 章 強化學習
01 強化學習基礎知識
02 強化學習算法
03 深度強化學習
04 強化學習的應用
參考文獻
第7 章 元學習
01 元學習的主要概念
02 元學習的主要方法
03 元學習的資料集準備
04 元學習的兩個簡單模型
05 基於度量學習的元學習模型
06 基於神經圖靈機的元學習模型
07 基於學習最佳化器的元學習模型
08 基於學習初始點的元學習模型
參考文獻
第8 章 自動化機器學習
01 自動化機器學習的基本概念
02 模型和超參數自動化最佳化
03 神經網路架構搜尋
參考文獻
第二部分 應用
第9 章 電腦視覺
01 物體辨識
02 影像分割
03 光學字元辨識
04 影像標記
05 人體姿態辨識
參考文獻
第10 章 自然語言處理
01 語言的特徵表示
02 機器翻譯
03 問答系統
04 對話系統
參考文獻
第11 章 推薦系統
01 推薦系統基礎
02 推薦系統設計與演算法
03 推薦系統評估
參考文獻
第12 章 計算廣告
01 點擊率預估
02 廣告召回
03 廣告投放策略
參考文獻
第13 章 視訊處理
01 視訊編解碼
02 視訊監控
03 影像品質評價部分
04 超解析度重建
05 網路通訊
參考文獻
第14 章 電腦聽覺
01 音訊訊號的特徵分析
02 語音辨識
03 音訊事件辨識
參考文獻
第15 章 自動駕駛
01 自動駕駛的基本概念
02 點對點的自動駕駛模型
03 自動駕駛的決策系統
參考文獻
附錄A 反向傳播法
A-1 合成函數微分鏈鎖法的複習
A-2 將合成函數微分擴展到偏微分
A-3 將鏈鎖法應用到更多層的合成函數
A-4 反向傳播的實例
A-5 套入非線性函數的反向傳播的實例
作者隨筆