女人毛片免费观看,欧美国产图片综合在线观看图片

　　本書旨在向讀者交付有關深度學習的交互式學習體驗。書中不僅闡述深度學習的算法原理，還演示它們的實現(xiàn)和運行。與傳統(tǒng)圖書不同，本書的每一節(jié)都是一個可以下載并運行的 Jupyter記事本，它將文字、公式、圖像、代碼和運行結果結合在了一起。此外，讀者還可以訪問并參與書中內容的討論。
　　全書的內容分為3個部分：第一部分介紹深度學習的背景，提供預備知識，并包括深度學習基礎的概念和技術；第二部分描述深度學習計算的重要組成部分，還解釋近年來令深度學習在多個領域大獲成功的卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡；第三部分評價優(yōu)化算法，檢驗影響深度學習計算性能的重要因素，并分別列舉深度學習在計算機視覺和自然語言處理中的重要應用。
　　本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術人員和研究人員。閱讀本書需要讀者了解基本的Python編程或附錄中描述的線性代數(shù)、微分和概率基礎。

適讀人群：本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術人員和研究人員。閱讀本書需要讀者了解基本的Python編程或附錄中描述的線性代數(shù)、微分和概率基礎。

　　目前市面上有關深度學習介紹的書籍大多可分兩類，一類側重方法介紹，另一類側重實踐和深度學習工具的介紹。本書同時覆蓋方法和實踐。本書不僅從數(shù)學的角度闡述深度學習的技術與應用，還包含可運行的代碼，為讀者展示如何在實際中解決問題。為了給讀者提供一種交互式的學習體驗，本書不但提供免費的教學視頻和討論區(qū)，而且提供可運行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統(tǒng)一起來的優(yōu)勢。這樣不僅直接將數(shù)學公式對應成實際代碼，而且可以修改代碼、觀察結果并及時獲取經(jīng)驗，從而帶給讀者全新的、交互式的深度學習的學習體驗。
　　本書面向希望了解深度學習，特別是對實際使用深度學習感興趣的大學生、工程師和研究人員。本書不要求讀者有任何深度學習或者機器學習的背景知識，讀者只需具備基本的數(shù)學和編程知識，如基礎的線性代數(shù)、微分、概率及Python編程知識。本書的附錄中提供了書中涉及的主要數(shù)學知識，供讀者參考。
　　本書的英文版Dive into Deep Learning是加州大學伯克利分校2019年春學期“Introduction to Deep Learning”（深度學習導論）課程的教材。截至2019年春學期，本書中的內容已被全球15 所知名大學用于教學。本書的學習社區(qū)、免費教學資源（課件、教學視頻、更多習題等），以及用于本書學習和教學的免費計算資源（僅限學生和老師）的申請方法在本書配套網(wǎng)站zh.d2l.ai上發(fā)布。讀者在閱讀本書的過程中，如果對書中某節(jié)內容有疑惑，也可以掃一掃書中對應的二維碼尋求幫助。

　　阿斯頓.張（Aston Zhang），
　　美亞應用科學家，美國伊利諾伊大學香檳分校計算機科學博士，統(tǒng)計學和計算機科學雙碩士。他專注于機器學習的研究，并在數(shù)個頂ji學術會議發(fā)表過論文。他擔任過NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等學術會議的程序委員或審稿人以及Frontiers in Big Data 期刊的編委。
　　李沐（Mu Li），
　　美亞首席科學家（Principal Scientist），加州大學伯克利分�？妥斫淌冢绹▋然仿〈髮W計算機系博士。他專注于分布式系統(tǒng)和機器學習算法的研究。他是深度學習框架MXNet 的作者之一。他曾任機器學習創(chuàng)業(yè)公司Marianas Labs 的CTO 和百度深度學習研究院的主任研發(fā)架構師。他在理論、機器學習、應用和操作系統(tǒng)等多個領域的頂ji學術會議（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上發(fā)表過論文。
　　扎卡里.C. 立頓（Zachary C. Lipton），
　　美亞應用科學家，美國卡內基梅隆大學助理教授，美國加州大學圣迭戈分校博士。他專注于機器學習算法及其社會影響的研究，特別是在時序數(shù)據(jù)與序列決策上的深度學習。這類工作有著廣泛的應用場景，包括醫(yī)療診斷、對話系統(tǒng)和產品推薦。他創(chuàng)立了博客“Approximately Correct”（approximatelycorrect.com）。
　　亞歷山大.J. 斯莫拉（Alexander J. Smola），
　　美亞副總裁/ 杰出科學家，德國柏林工業(yè)大學計算機科學博士。他曾在澳大利亞國立大學、美國加州大學伯克利分校和卡內基梅隆大學任教。他發(fā)表了超過200 篇學術論文，并著有5 本書，其論文及書被引用超過10 萬次。他的研究興趣包括深度學習、貝葉斯非參數(shù)、核方法、統(tǒng)計建模和可擴展算法。

你還可能感興趣

我要評論