当前位置:主页 > 计算机电子书 > 人工智能 > 深度学习 pdf电子书下载
深度学习核心技术与实践反馈 / 投诉

深度学习核心技术与实践 PDF 超清完整版

2023-07-11 14:39:25 类别:深度学习

  • 更新:2023-07-11 14:39:25
  • 大小:207 MB
  • 出版:电子工业出版社
  • 作者:猿辅导研究团队
  • 类别:深度学习
  • 格式:PDF

网盘下载 本地下载

扫二维码手机浏览

资源介绍

给大家整理了深度学习相关的 PDF电子书资料,由电子工业出版社出版,作者是猿辅导研究团队,介绍了关于深度学习、核心技术方面,格式为PDF,资源大小207 MB,目前在深度学习类资源综合评分为:8.6分。《深度学习核心技术与实践》是一本内容丰富而深入的书籍。作者详细介绍了深度学习的核心算法,并着重说明了它在计算机视觉、语音识别和自然语言处理等领域的应用。本书讲解了这些算法的原理,并提供了相关实践案例,尽管在贴代码方面有点缺乏,但对于深度学习从业人士或相关研究生来说,作为参考资料是非常合适的。无论你是刚刚入门深度学习还是已经有一定经验的人,这本书都能帮助你深入了解深度学习的核心技术,并应用于实践中。

深度学习核心技术与实践

深度学习核心技术与实践电子书封面

读者评价

这本介绍深度学习的书真的很不错,与市面上的其他类似书籍相比,它的质量真是让人感到很良心。现在一些互联网企业的技术团队出版的书籍都非常出色,例如美团、hulu和猿辅导的这本书也非常好,它介绍了许多工程层面的技巧,内容非常全面。

其中,拍照搜题APP“小猿搜题”以及猿辅导公司一系列被称为“小猿黑科技”的产品如英语作文自动批改、英语口语自动打分纠错以及速算应用中的在线手写识别等,都是我们的应用研究团队开发的,也就是本书的作者们实现的。在几乎所有经济领域都在提到人工智能和深度学习的今天,出版这样一本来自一线业者的著作,真的是对行业有益的工作。一家公司所做的事情不仅会对用户有益,同时也能对整个行业产生影响,我们公司很自豪能出版这本书。感谢我们的应用研究团队。

本书的作者之一,邓澍军博士和夏龙是我以前的同事,几年前我们一起在网易有道工作时,他们就开始了对机器学习的孜孜不倦的学习和探究,阅读经典专著和论文,研究代码,并推动机器学习技术与公司业务的结合。他们一直保持着这样的热情,直到他们加入猿辅导创业。现在,他们将自己对深度学习方法的心得体会和第一手经验写成了《深度学习核心技术与实践》一书,即使是像我这样丰富经验的人,也从这本书中学到了很多之前未曾了解的知识。

这本书的许多作者都是我以前的同事。通过这本书,我看到了他们熟悉的务实、钻研和追求实际效果的风格。在深度学习被称为“炼金术”的时代,本书从第一线的视角出发,既包含了工程实践所需的关键概念、模型和算法原理,也总结了多年的实践经验。内容深入浅出,充满实用知识,是一本非常珍贵的入门和实践参考书。

内容介绍

《深度学习核心技术与实践》主要介绍深度学习的核心算法,以及在计算机视觉、语音识别、自然语言处理中的相关应用。本书的作者们都是业界*线的深度学习从业者,所以书中所写内容和业界联系紧密,所涵盖的深度学习相关知识点比较全面。本书主要讲解原理,较少贴代码。本书适合深度学习从业人士或者相关研究生作为参考资料,也可以作为入门教程来大致了解深度学习的相关前沿技术。

目录

  • 第1 部分深度学习基础篇1
  • 1 概述
  • 参考文献
  • 2 神经网络
  • 参考文献
  • 3 初始化模型
  • 参考文献
  • 4 卷积神经网络
  • 参考文献
  • 5 循环神经网络
  • 参考文献
  • 6 深度学习优化算法
  • 参考文献
  • 7 深度学习训练技巧
  • 参考文献
  • 8 深度学习框架
  • 参考文献
  • 第2 部分计算机视觉篇
  • 9 计算机视觉背景
  • 10 图像分类模型
  • 参考文献
  • 11 目标检测
  • 参考文献
  • 12 语义分割
  • 参考文献
  • 13 图像检索的深度哈希编码
  • 参考文献
  • 第3 部分语音识别篇
  • 14 传统语音识别基础
  • 参考文献
  • 15 基于WFST 的语音解码
  • 参考文献
  • 16 深度语音识别
  • 参考文献
  • 17 CTC 解码
  • 参考文献
  • 第4 部分自然语言处理篇
  • 18 自然语言处理简介
  • 19 词性标注
  • 参考文献
  • 20 依存句法分析
  • 参考文献
  • 21 word2vec
  • 参考文献
  • 22 神经网络机器翻译
  • 参考文献
  • 第5 部分深度学习研究篇
  • 23 Batch Normalization
  • 参考文献
  • 24 Attention
  • 参考文献
  • 25 多任务学习
  • 参考文献
  • 26 模型压缩
  • 参考文献
  • 27 增强学习
  • 参考文献
  • 28 GAN
  • 参考文献
  • A 本书涉及的开源资源列第1 部分深度学习基础篇1
  • 1 概述
  • 参考文献
  • 2 神经网络
  • 参考文献
  • 3 初始化模型
  • 参考文献
  • 4 卷积神经网络
  • 参考文献
  • 5 循环神经网络
  • 参考文献
  • 6 深度学习优化算法
  • 参考文献
  • 7 深度学习训练技巧
  • 参考文献
  • 8 深度学习框架
  • 参考文献
  • 第2 部分计算机视觉篇
  • 9 计算机视觉背景
  • 10 图像分类模型
  • 参考文献
  • 11 目标检测
  • 参考文献
  • 12 语义分割
  • 参考文献
  • 13 图像检索的深度哈希编码
  • 参考文献
  • 第3 部分语音识别篇
  • 14 传统语音识别基础
  • 参考文献
  • 15 基于WFST 的语音解码
  • 参考文献
  • 16 深度语音识别
  • 参考文献
  • 17 CTC 解码
  • 参考文献
  • 第4 部分自然语言处理篇
  • 18 自然语言处理简介
  • 19 词性标注
  • 参考文献
  • 20 依存句法分析
  • 参考文献
  • 21 word2vec
  • 参考文献
  • 22 神经网络机器翻译
  • 参考文献
  • 第5 部分深度学习研究篇
  • 23 Batch Normalization
  • 参考文献
  • 24 Attention
  • 参考文献
  • 25 多任务学习
  • 参考文献
  • 26 模型压缩
  • 参考文献
  • 27 增强学习
  • 参考文献
  • 28 GAN
  • 参考文献
  • A 本书涉及的开源资源列表

以上就是本次关于书籍资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。


下载地址

下载地址:网盘下载

深度学习相关资源

留言评论

网友NO.40224
网友NO.40224

朋友反馈说,看不懂CNN和RNN篇.文章确实因为篇幅原因,有点跳步了.不过我觉得主要原因还是跳过了前面的基础部分.我们很多时候喜欢直击重点,跳过过程,但是有的过程确实跳不过去.  数据挖掘,机器学习,机器视觉,语言处理这些背后有很多数学概率基础,且不止于此,它和大多数程序员之前接触的写应用,网络编程,数据库,配系统,学习编程语言,把人家的库拿来搭一搭… 不一样,那些即使不懂原理,也能照猫画虎做个七八成.在这里,我们用Python/R,它们把技术细节都解决了,这里拼的不是工作量,拼的是算法,是对数据的理解.参加个比赛或者技术选型,人家用啥模型,咱也用啥模型,即使只调参,也需要理解数据和掌握数学工具.不明白原理,还是没法跟人家拼? 我个人觉得,这个很难速成.对于程序员来说,唯一的捷径可能是从代码入手,在做的过程中,逐步把数学和原理补上.程序员对代码直觉相对好一点,有时候我看不懂图和公式,但我看得懂代码.

网友NO.37405
网友NO.37405

RNN 的原理 CNN 比较适合图片的分类任务,但是对于语言翻译,问答系统等场景不是很适用,假设有一个句子,最后一个单词为空,人是怎么填这个空的: He is american, he speak _ 这个空的值出现是基于前面出现过的 american 来填写的,即 american -> english。因此我们需要一个模型,不仅能挖掘语料之间的关系,还能挖掘语料之中的关系,这就是 RNN 的思路,因此这个模型要从把 american -> english 作为一个 feature 从一条语料中进行挖掘。 RNN 是循环神经网络,它的特点是拥有记忆能力,这个能力的实现也很简单,就是神经网络的输入不再是一整个大向量了,而是把这个大向量拆成小的向量,每个小向量喂给神经网络后返回的值 input1 和下一个小向量 input2 作为输入再喂给神经网络

网友NO.41822
网友NO.41822

算是很不错的一本讲深度学习的书了,相比市面上同类书籍,简直良心太多。现在一些互联网企业技术团队出的书都不错,美团的,hulu的,还有猿辅导的这本也挺好的了,介绍了很多工程层面的技巧,全面。

欢迎发表评论:

联系我们

邮件联系:3522365@qq.com

QQ联系:3522365