深度学习 - 第2页

本书基于真实数据集，全面系统地阐述现代计算机视觉实用技术、方法和实践，涵盖 50 多个计算机视觉问题。本书内容丰富新颖，语言文字表述清晰，应用实例讲解详细，图例直观形象，适合 PyTorch 初中级读者及计算机视觉相关技术人员阅读。全书分为四部分：第一部分（第 1~3 章）介绍神经网络和 PyTorch 的基础知识，以及如何使用 PyTorch 构建并训练神经网络，包括输入数据缩放、批归一化、超参

《深度学习：智能时代的核心驱动力量》并不是一本教读者编写神经网络代码的技术教材，而是一部由深度学习重要推动者亲自讲述的技术与思想史。作者经历了神经网络长期不受重视的年代，也见证深度学习重新成为人工智能核心技术的过程。书中回顾机器学习与神经网络的发展，讨论自动驾驶、机器翻译、语音识别、AI 医疗和 AlphaGo 等应用为什么能够在深度学习推动下取得突破，并介绍反向传播等关键思想在技术演进中的作用。

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的 PyTorch 框架，运用 Python 语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

《深度学习在复杂系统健康监测中的应用》由吴军编写，围绕深度学习在工业领域的落地应用展开。全书系统介绍复杂系统健康监测的理论基础与关键技术，包括数据采集、特征工程以及模型构建等核心环节。为了深入实施制造强国战略，我国正加速推动物联网、太数据、人工智能、云计算与制造业的深度融合，促进制造业向数字化、网络化和智能化转型升级。复杂系统健康监测是其中的关键环节之一。随着数据积聚、算法革新与算力提升，以裸度学

《深入理解 AutoML 和 AutoDL：构建自动化机器学习与深度学习平台》围绕自动化机器学习（AutoML）与自动化深度学习（AutoDL）展开，系统介绍如何利用算法与工程化平台降低 AI 模型开发门槛。全书从机器学习流程自动化出发，讲解数据预处理、特征工程、模型选择、超参数优化以及神经网络结构搜索（NAS）等关键技术，并分析自动化训练与部署流程的实现方法。 作者是资深的人工智能专家，大型金融

《深度学习推荐系统 2.0》由王喆编著，是面向推荐系统算法实践的一本专业技术著作。本书在深度学习推荐系统知识体系的基础上，进一步结合推荐算法和人工智能技术的发展，系统讨论现代推荐系统的核心架构、算法模型和工程实践。全书关注如何利用机器学习与深度学习技术解决真实推荐场景中的用户兴趣建模和内容匹配问题。全书围绕推荐系统的核心流程展开，重点介绍召回、排序、特征工程、用户行为建模以及深度学习推荐模型等内容

深度学习绝非不可窥探的黑箱！深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家，同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。本书通过平实的语言解析、详尽的代码注释，以及数十个基于 PyTorch 框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂

《理解深度学习》是西蒙·J.D.·普林斯撰写的一本深度学习教材，旨在帮助读者从原理层面理解现代深度学习技术。全书以直观方式讲解神经网络的核心思想，并逐步深入到训练机制、优化算法与模型结构等关键内容。书中涵盖前馈神经网络、卷积神经网络（CNN）、循环神经网络（RNN）以及注意力机制等主流模型，同时结合概率论、线性代数与优化理论解释模型为何能够工作。作者特别强调数学直觉与可解释性，减少单纯“调包调用”

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由 Hulu 的近 30 位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在

《深度学习：21 天实战 Caffe》是一本深度学习入门读物。以目前已经大量用于线上系统的深度学习框架 Caffe 为例，由浅入深，从 Caffe 的配置、部署、使用开始学习，通过阅读 Caffe 源码理解其精髓，加强对深度学习理论的理解，最终达到熟练运用 Caffe 解决实际问题的目的。和国外机器学习、深度学习大部头著作相比，《深度学习：21 天实战 Caffe》偏重动手实践，将难以捉摸的枯燥理