Name: 深度学习
ISBN: 9787115554512

作者: [美] 安德鲁·格拉斯纳
出版社: 人民邮电出版社
出品方: 异步图书
副标题: 从基础到实践
原作名: Deep Learning: From Basics to Practice
译者: 罗家佳
出版年: 2022-11
定价: 199.80元
装帧: 平装
丛书: 异步图书深度学习系列
ISBN: 9787115554512

豆瓣评分

8.6

32人评价

5星

59.4%
4星

18.8%
3星

9.4%
2星

6.3%
1星

6.3%

评价:

内容简介 · · · · · ·

本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学内容。

本书分为上下两册。上册着重介绍深度学习的基础知识，旨在帮助读者建立扎实的知识储备，主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的 scikit-learn 库和深度学习的 Keras 库（这两个库均基于 Python 语言），以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容，还介绍了一些创造性应用，并给出了一些典型的数据集，以帮助读者更好地了解学习。

本书适合想要了解和使用深度学习的人阅读，也可作为深度学习教学培训领域的入门级参考用书。

作者简介 · · · · · ·

安德鲁·格拉斯纳（Andrew Glassner）博士是一位作家，同时也是计算机交互、图形学领域的顾问。他于1978年开始从事3D计算机绘图工作，在 NYIT 计算机图形实验室、凯斯西储大学、IBM TJ Watson 研究实验室、代尔夫特理工大学、贝尔通信研究、施乐帕克研究中心和微软研究院等公司进行了相关研究。《纽约时报》曾评价他为“计算机图形研究领域最受尊敬的天才之一。”

目录 · · · · · ·

译者序
前言
第1章机器学习与深度学习入门
1.1 为什么这一章出现在这里
1.2 从标记数据中学习
1.3 监督学习
· · · · · · (更多)

原文摘录 · · · · · ·

本书的读者对象是那些渴望在工作中应用机器学习和深度学习的人们，包括程序员、艺术工作者、工程师、科学家、管理人员、音乐家、医生，以及任何希望通过处理大量信息来获得洞见或生成新数据的人。你可以在许多开源库中找到许多机器学习工具(特别是深度学习)。每个人都可以立即下载和使用这些工具。尽管这些免费工具安装简单，但是你仍然需要掌握大量的技术和知识才能正确使用这些工具。让计算机做一些无意义的事情很容易: 它会严格照做，然后输出更多无意义的结果。这种情况时有发生。虽然机器学习和深度学习库功能强大，但它们对用户来说并不友好。你不仅需要选择正确的算法，还要能够正确地应用这些算法。从技术角度讲，你仍然需要做出一系列明智的决策。当工作偏离预期时，你需要利用自己对系统内部的了解令其回归正轨。学习和掌握这些基本信息的方法多种多样，这取决于你喜欢怎样的学习方式。有些人喜欢详细的硬核式算法分析，并辅以大量数学运算。如果这是你的学习方式，那么你可以阅读一些有关这方面的书籍，比如[Bishop06]和[Goodfellow17]。为此，你需要付出大量努力。不过，你获得的回报也会很丰厚，即全面了解机聚学习的工作方式及原理。如果以这种方式学习，那么你必须额外投入大量的精力来将理论知识付诸实践。另外一种截然不同的情形是：有些人只想知道完成某些特定任务的方法。有关这方面的速成图书也有很多，你可以从中找到各种机器学习库，比如[Chollet17]、[Muller-Guido16]、[Raschka15]和VanderPlas16]。与需要大量运算的方法相比，这种方法难度较低。但是，你会觉得自己缺少对结构信息的掌握——这些信息有助于你理解算法的工作原理。如果未能掌握这些信息及相关词汇，一些你原以为可行的算法可能变得不可行，或者某种算法的结果可能不如预期，而你很难对此找到问题的根源所在。另外，你将无法... (查看原文)

异步图书 2022-12-23 14:26:46

—— 引自章节：上册
深度学习（或称深度神经网络）是一种使用了特殊分层计算结构的机器学习方法。近年来，深度学习在计算机视觉、语音识别、自然语言处理和机器人等应用领域取得了惊人的突破。2019年3月27日，美国计算机协会 (ACM)将“计算机界的诺贝尔奖”图灵奖授予了3位深度学习之父（Yoshua Bengio、Geoffrey Hinton和Yann LeCun)，以表彰他们给人工智能带来的重大突破——这些突破使深度神经网络成为计算的关键组成部分。这也意味着深度学习的神秘面纱至此已被揭开。本书由计算机图形学专家Andrew Glassner撰写，介绍了深度学习的基础知识和实践深度学习的方法。全书分为上下两册：上册介绍深度学习的预备知识，涵盖基本的数学知识和机器学习的基本概念以及通用机器学习库scikit-learn的相关内容，下册深入介绍了各种成熟的深度学习方法和技术以及深度学习库Keras。正如Andrew Glassner所描述的那样，在本书英文版出版之前，市面上其实已出现了较多的深度学习相关的图书。例如，由lan Goodfellow等撰写的Deep Learning一书，对算法进行了非常详细的分析，并给出了大量的数学运算；还有一类风格截然不同的书，例如由Francois Chollet撰写的Deep Learning with Python，主要是针对只想知道如何利用各种机器学习库快速完成某些特定任务的读者。本书介于这二者之间，主要介绍深度学习的基础知识，以帮助读者建立扎实的知识储备，进而了解深度学习实践的进展。Andrew Glassner擅长以类比和图示的方法讲解复杂的理论知识，因此本书对不具备相关理论知识的读者也会非常有帮助。 (查看原文)

Marvin不慌 2022-12-30 10:34:58

—— 引自章节：上册