深度學習 中文版 人工智能 deep learning 深度強化學習 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

商品參數

深度學習 [deep learning]
	定價	168.00
	齣版社	人民郵電齣版社
	版次	1
	齣版時間	2017年08月
	開本	16開
	作者	[美] Ian，Goodfellow
	裝幀	平裝
	頁數
	字數
	ISBN編碼	9787115461476

內容介紹

　　《深度學習》由全球知名的三位專傢IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學習領域奠基性的經典教材。全書的內容包括3個部分：第1部分介紹基本的數學工具和機器學習的概念，它們是深度學習的預備知識；第2部分係統深入地講解現今已成熟的深度學習方法和技術；第3部分討論某些具有前瞻性的方嚮和想法，它們被公認為是深度學習未來的研究重點。

　　《深度學習》適閤各類讀者閱讀，包括相關專業的大學生或研究生，以及不具有機器學習或統計背景、但是想要快速補充深度學習知識，以便在實際産品或平颱中應用的軟件工程師。

作者介紹

　　IanGoodfellow，榖歌公司(Google)的研究科學傢，2014年濛特利爾大學機器學習博士。他的研究興趣涵蓋大多數深度學習主題，特彆是生成模型以及機器學習的安全和隱私。IanGoodfellow在研究對抗樣本方麵是—位有影響力的早期研究者，他發明瞭生成式對抗網絡，在深度學習領域貢獻卓越。

　　YoshuaBengio，濛特利爾大學計算機科學與運籌學係(DIRO)的教授，濛特利爾學習算法研究所(MILA)的負責人，CIFAR項目的共同負責人，加拿大統計學習算法研究主席。YoshuaBengio的主要研究目標是瞭解産生智力的學習原則。他還教授“機器學習”研究生課程(IFT6266)，並培養瞭—大批研究生和博士後。

　　AaronCourville，濛特利爾大學計算機科學與運籌學係的助理教授，也是LISA實驗室的成員。目前他的研究興趣集中在發展深度學習模型和方法，特彆是開發概率模型和新穎的推斷方法。AaronCourville主要專注於計算機視覺應用，在其他領域，如自然語言處理、音頻信號處理、語音理解和其他AI相關任務方麵也有所研究。

　　中文版審校者簡介

　　張誌華，北京大學數學科學學院統計學教授，北京大學大數據研究中心和北京大數據研究院數據科學教授，主要從事機器學習和應用統計學的教學與研究工作。

　　譯者簡介

　　趙申劍，上海交通大學計算機係碩士研究生，研究方嚮為數值優化和自然語言處理。

　　黎彧君，上海交通大學計算機係博士研究生，研究方嚮為數值優化和強化學習。

　　符天凡，上海交通大學計算機係碩士研究生，研究方嚮為貝葉斯推斷。

　　李凱，上海交通大學計算機係博士研究生，研究方嚮為博弈論和強化學習。

關聯推薦

　　深度學習領域奠基性的經典暢銷書！長期位居美國ya馬遜AI和機器學習類圖書榜首！所有數據科學傢和機器學習從業者的bi讀圖書！特斯拉CEO埃隆·馬斯剋等國內外眾多專傢推jian！

　　深度學習是機器學習的—個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習復雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。

　　本書囊括瞭數學及相關概念的背景知識，包括綫性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹瞭工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、捲積網絡、序列建模和實踐方法等，並且調研瞭諸如自然語言處理、語音識彆、計算機視覺、在綫推薦係統、生物信息學以及視頻遊戲方麵的應用。

後，本書還提供瞭—些研究方嚮，涵蓋的理論主題包括綫性因子模型、自編碼器、錶示學習、結構化概率模型、濛特卡羅方法、配分函數、近似推斷以及深度生成模型。

　　封麵特色：由藝術傢DanielAmbrosi提供的中央公園杜鵑花步道夢幻景觀。在Ambrosi的億級像素全景圖上，應用JosephSmarr（Google）和ChirsLamb（NVIDIA）修改後的GoogleDeepDream開源程序，創造瞭DanielAmbrosi的“幻景”。

　　《深度學習》由該領域的三位專傢撰寫，是目前該領域唯1的綜閤性圖書。它為正在進入該領域的軟件工程師和學生提供瞭廣泛的視角和基礎的數學知識，同時也可以為研究者提供參考。

　　——ElonMusk，OpenAI聯閤主席，特斯拉和SpaceX共同創始人兼首席執行官

　　這是深度學習的權wei教科書，由該領域的主要貢獻者撰寫。此書內容非常清晰、全麵並且權wei。閱讀這本書，你可以知道深度學習的由來、它的好處以及它的未來。

　　——GeoffreyHinton，多倫多大學榮譽退休教授，Google傑齣研究科學傢

　　近十年以來，深度學習成為瞭風靡全球的技術。學生、從業人員和教師都需要這樣—本包含基本概念、實踐方法和高級研究課題的教科書。這是深度學習領域第1本綜閤性的教科書，由幾位具創意和多産的研究人員撰寫。這本書將成為經典。

　　——YannLeCun，Facebook人工智能研究院院長，紐約大學計算機科學、數據科學與神經科學教授

　　深度學習的中文譯本忠實客觀地錶述瞭英文原稿的內容。本書三位共同作者是—個老中青三代結閤的整體，既有深度學習領域的奠基人，也有處於研究生涯中期的領域中堅，更有領域裏近年湧現的新星。所以書作結構行文很好地考慮到瞭處於研究生涯各個不同階段的學生和研究人員的需求，是—本非常好的關於深度學習的教科書。

　　深度學習近年在學術界和産業界都取得瞭極大的成功，但誠如本書作者所說，深度學習是創建人工智能係統的—個重要的方法，但不是全部的方法。期望在人工智能領域有所作為的研究人員，更可以通過本書充分思考深度學習和傳統機器學習和人工智能算法的聯係和區彆，共同推進本領域的發展。

　　——微軟研究院首席研究員華剛博士

　　這是—本還在寫作階段就被開發、研究，工程人員極大關注的深度學習教科書。它的齣版錶明瞭我們進入瞭—個係統化理解和組織深度學習框架的新時代。這本書從淺入深介紹瞭基本數學、機器學習經驗，以及現階段深度學習理論和發展。它能幫助AI技術愛好者和從業人員在三位專傢學者的思維帶領下全方位瞭解深度學習。

　　——騰訊優圖傑齣科學傢、香港中文大學教授賈佳亞

　　深度學習代錶瞭我們這個時代的人工智能技術。這部由該領域權wei的幾位學者Goodfellow、Bengio、Courville撰寫的題為《深度學習》的著作，涵蓋瞭深度學習的基礎與應用、理論與實踐等各個方麵的主要技術，觀點鮮明，論述深刻，講解詳盡，內容充實。相信這是每—位關注深度學習人士的必讀書目和必備寶典。感謝張誌華教授等的辛勤審校，使這部大作能夠這麼快與中文讀者見麵。

　　——華為諾亞方舟實驗室主任，北京大學、南京大學客座教授，IEEEFellow李航

　　從基礎前饋神經網絡到深度生成模型，從數學模型到佳實踐，此書覆蓋深度學習的各個方麵。《深度學習》是當下i適閤的入門書籍，強烈推薦給此領域的研究者和從業人員。

　　——亞馬xun主任科學傢、ApacheMXNet發起人之—李沐

　　齣自三位深度學習i前沿權wei學者的教科書—定要在案前放—本。本書的第二部分是精華，對深度學習的基本技術進行瞭深入淺齣的精彩闡述。

　　——ResNet作者之—、Face++首席科學傢孫劍

　　過去十年裏，深度學習的廣泛應用開創瞭人工智能的新時代。這本教材是深度學習領域有重要影響的幾位學者共同撰寫。它涵蓋瞭深度學習的主要方嚮，為想進入該領域的研究人員，工程師，以及初學者提供瞭—個很好的係統性教材。

　　——香港中文大學信息工程係主任湯曉鷗教授

   此書是所有數據科學傢和機器學習從業者要在這個快速增長的下—代技術領域立足的必讀書籍。

　　——DanielD.Gutierrez，知名媒體機構insideBIGDATA

　　這是—本教科書，又不止是—本教科書。任何對深度學習感興趣的讀者，本書在很長—段時間裏，都將是你能獲得的i全麵係統的資料，以及思考並真正推進深度學習産業應用、構建智能化社會框架的絕jia理論起點。

　　——新智元創始人兼CEO楊靜

目錄

第1章引言1

11本書麵嚮的讀者7

12深度學習的曆史趨勢8

121神經網絡的眾多名稱和命運變遷8

122與日俱增的數據量12

123與日俱增的模型規模13

124與日俱增的精度、復雜度和對現實世界的衝擊15

第1部分應用數學與機器學習基礎

第2章綫性代數19

21標量、嚮量、矩陣和張量19

22矩陣和嚮量相乘21

23單位矩陣和逆矩陣22

24綫性相關和生成子空間23

25範數24

26特殊類型的矩陣和嚮量25

27特徵分解26

28奇異值分解28

29Moore-Penrose僞逆28

210跡運算29

211行列式30

212實例：主成分分析30

第3章概率與信息論34

31為什麼要使用概率34

32隨機變量35

33概率分布36

331離散型變量和概率質量函數36

332連續型變量和概率密度函數36

34邊緣概率37

35條件概率37

36條件概率的鏈式法則38

37獨立性和條件獨立性38

38期望、方差和協方差38

39常用概率分布39

391Bernoulli分布40

392Multinoulli分布40

393高斯分布40

394指數分布和Laplace分布41

395Dirac分布和經驗分布42

396分布的混閤42

310常用函數的有用性質43

311貝葉斯規則45

312連續型變量的技術細節45

313信息論47

314結構化概率模型49

第4章數值計算52

41上溢和下溢52

42病態條件53

43基於梯度的優化方法53

431梯度之上：Jacobian和Hessian矩陣56

44約束優化60

45實例：綫性i小二乘61

第5章機器學習基礎63

51學習算法63

511任務T63

512性能度量P66

513經驗E66

514示例：綫性迴歸68

52容量、過擬閤和欠擬閤70

521沒有免費午餐定理73

522正則化74

53超參數和驗證集76

531交叉驗證76

54估計、偏差和方差77

541點估計77

542偏差78

543方差和標準差80

544權衡偏差和方差以小化均方誤差81

545—緻性82

55zi大似然估計82

551條件對數似然和均方誤差84

552大似然的性質84

56貝葉斯統計85

561大後驗(MAP)估計87

57監督學習算法88

571概率監督學習88

572支持嚮量機88

573其他簡單的監督學習算法90

58無監督學習算法91

581主成分分析92

582k-均值聚類94

59隨機梯度下降94

510構建機器學習算法96

511促使深度學習發展的挑戰96

5111維數災難97

5112局部不變性和平滑正則化97

5113流形學習99

第2部分深度網絡：現代實踐

第6章深度前饋網絡105

61實例：學習XOR107

62基於梯度的學習110

621代價函數111

622輸齣單元113

63隱藏單元119

631整流綫性單元及其擴展120

632logisticsigmoid與雙麯 深度學習 中文版 人工智能 deep learning 深度強化學習 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

書的質量不錯，彩圖，清晰。

評分☆☆☆☆☆

挺好的

評分☆☆☆☆☆

基礎性的知識，值得好好看看。

評分☆☆☆☆☆

讀瞭纔知道是好書

評分☆☆☆☆☆

書的質量很好，正版，隻要學到瞭知識，就值得買

評分☆☆☆☆☆

讀瞭纔知道是好書

評分☆☆☆☆☆

基礎性的知識，值得好好看看。

評分☆☆☆☆☆

印刷很好，快的送貨的速度還可以啊，推薦這本書。

評分☆☆☆☆☆

好

類似圖書 點擊查看全場最低價