新書推薦：
《
如何打造成功的商业赛事
》
售價：HK$
91.9
《
万千教育学前·透视学前儿童的发展：解析幼儿教师常问的那些问题
》
售價：HK$
59.8
《
慈悲与玫瑰
》
售價：HK$
89.7
《
启蒙的辩证：哲学的片简（法兰克福学派哲学经典，批判理论重要文本）
》
售價：HK$
78.2
《
心跳重置
》
售價：HK$
60.7
《
云中记
》
售價：HK$
78.2
《
中国古代妇女生活（中国古代生活丛书）
》
售價：HK$
48.3
《
你的认知正在阻碍你
》
售價：HK$
66.7
|
| 編輯推薦： |
|
本书是一本关于深度学习的入门级教程，在编写过程中始终遵循“内容基础、由浅入深、注重实践”。书中较为全面地覆盖了深度学习所必须具备的基础知识以及主要模型，包括Python核心库编程基础、数学基础、感知机、卷积神经网络、循环神经网络以及自注意力模型，并给出模型和算法的代码实现，尽量做到理论和实践高度融合。具体内容的章节安排充分考虑了读者的特点和认知规律，在知识架构和案例穿插的设计上确保强化基础、循序渐进、由浅入深。本书的另外一个重要特点是提供了大量深度学习有趣案例，覆盖了从网络数据爬取到计算机视觉、自然语言处理等领域经典的模型和应用案例。本书每章经典模型和案例都提供了完整PaddlePaddle代码，并给出详细解析和说明，以便加深加快读者对所学内容的理解和掌握。
|
| 內容簡介： |
全书共8章，可分为三部分。
第一部分为深度学习基础篇，包括第1、2章，介绍Python基础、数学基础、深度学习的概念和任务；第二部分为深度学习基本模型篇，包括第3~5章，介绍卷积神经网络、循环神经网络和基于自注意力机制的Transformer模型；第三部分为自然语言应用篇，包括第6~8章，介绍词向量、预训练语言模型、词法分析等自然语言处理领域的应用和实践。书中各章相互独立，读者可根据自己的兴趣和时间使用。书中每章都给出了相应的实践内容，建议读者在阅读时，辅以代码实践，快速上手深度学习，加深对模型的理解。
本书内容基础、案例丰富，适合作为高等院校人工智能及相关专业的教材，也可供研究人员和技术人员参考。
|
| 目錄：
|
随书资源
第一部分深度学习基础
第1章Python与数学基础
1.1Python简介
1.2深度学习常用Python库
1.2.1NumPy库
1.2.2Matplotlib库
1.3PaddlePaddle基础
1.3.1张量的概念
1.3.2调整张量形状
1.3.3索引和切片
1.3.4自动微分
1.3.5PaddlePaddle中的模型与层
1.4数学基础
1.4.1线性代数
1.4.2微分基础
1.5案例： 《青春有你2》爬取与数据分析
1.5.1思路分析
1.5.2获取网页页面
1.5.3解析页面
1.5.4爬取选手百度百科图片
1.5.5数据展示与分析
1.6本章小结
第2章深度学习基础
2.1深度学习历史
2.2深度学习
2.2.1人工智能、机器学习、深度学习的关系
2.2.2机器学习
2.2.3深度学习
2.3模型构建
2.3.1线性神经元
2.3.2线性单层感知机
2.3.3非线性多层感知机
2.3.4模型实现
2.4损失函数
2.4.1均方差损失
2.4.2交叉熵
2.4.3损失函数的实现
2.4.4正则化
2.5参数学习
2.5.1梯度下降法
2.5.2梯度下降法实现
2.6飞桨框架高层API深入解析
2.6.1简介
2.6.2方案设计
2.6.3数据集定义、加载和数据预处理
2.6.4模型组网
2.6.5模型训练
2.6.6模型评估和模型预测
2.6.7模型部署
2.7案例： 基于全连接神经网络的手写数字识别
2.7.1方案设计
2.7.2数据处理
2.7.3模型构建
2.7.4模型配置和模型训练
2.7.5模型验证
2.7.6模型推理
2.8本章小结
第二部分深度学习基本模型
第3章卷积神经网络
3.1图像分类问题描述
3.2卷积神经网络
3.2.1卷积层
3.2.2池化层
3.2.3卷积优势
3.2.4模型实现
3.3经典的卷积神经网络
3.3.1LeNet
3.3.2AlexNet
3.3.3VGG
3.3.4GoogLeNet
3.3.5ResNet
3.4案例： 图像分类网络VGG在中草药识别任务中的应用
3.4.1方案设计
3.4.2整体流程
3.4.3数据处理
3.4.4模型构建
3.4.5训练配置
3.4.6模型训练
3.4.7模型评估和推理
3.5本章小结
第4章循环神经网络
4.1任务描述
4.2循环神经网络
4.2.1RNN和LSTM网络的设计思考
4.2.2RNN结构
4.2.3LSTM网络结构
4.2.4模型实现
4.3案例：基于THUCNews新闻标题的文本分类
4.3.1方案设计和整体流程
4.3.2数据预处理
4.3.3模型构建
4.3.4训练配置、过程和模型保存
4.3.5模型推理
4.4本章小结
第5章注意力模型
5.1任务简介
5.2注意力机制
5.2.1注意力机制原理
5.2.2自注意力机制
5.2.3Transformer模型
5.2.4模型实现
5.2.5自注意力模型与全连接、卷积、循环、图神经网络的不同
5.3案例： 基于seq2seq的对联生成
5.3.1方案设计
5.3.2数据预处理
5.3.3模型构建
5.3.4训练配置和训练
5.3.5模型推理
5.4本章小结
第三部分自然语言应用
第6章预训练词向量
6.1词向量概述
6.2词向量word2vec
6.2.1CBOW模型
6.2.2Skipgram模型
6.2.3负采样
6.3CBOW实现
6.3.1数据处理
6.3.2网络结构
6.3.3模型训练
6.4案例： 词向量可视化与相似度计算
6.4.1词向量可视化
6.4.2句子语义相似度
6.5本章小结
第7章预训练语言模型及应用
7.1任务介绍
7.2BERT模型
7.2.1整体结构
7.2.2输入表示
7.2.3基本预训练任务
7.2.4预训练语言模型的下游应用
7.2.5模型实现
7.3案例： BERT文本语义相似度计算
7.3.1方案设计
7.3.2数据预处理
7.3.3模型构建
7.3.4模型配置与模型训练
7.3.5模型推理
7.4本章小结
第8章词性分析技术及应用
8.1任务简介
8.2基于BERTBiLSTMCRF模型的命名实体识别模型
8.2.1BERT词表示层
8.2.2BiLSTM特征提取层
8.2.3CRF序列标注层
8.3深入了解BiLSTMCRF模型
8.3.1BiLSTM CRF模型架构
8.3.2CRF模型定义
8.3.3标签分数
8.3.4转移分数
8.3.5解码策略
8.3.6CRF模型实现
8.4案例： 基于BERT BiGRU CRF模型的阿里中文地址要素解析
8.4.1方案设计
8.4.2数据预处理
8.4.3模型构建
8.4.4模型推理
8.5本章小结
|
| 內容試閱：
|
新一轮科技革命和产业变革带动了传统产业的升级改造。党的二十大报告强调“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势”。建设高质量高等教育体系是摆在高等教育面前的重大历史使命和政治责任。高等教育要坚持国家战略引领，聚焦重大需求布局，推进新工科、新医科、新农科、新文科建设，加快培养紧缺型人才。
深度学习源于人工神经网络。2012年AlexNet在ImageNet大赛中成功击败传统方法后，深度学习兴起，迅速成为机器学习领域内非常活跃的一个分支。深度学习是一种基于数据表征学习的方法，通过构建具有多个隐藏层的学习网络和海量的训练数据来学习有用的特征，通过逐层特征变换将样本在原空间的特征表示变换到新特征空间，从而实现更加准确高效的分类或预测。近年来，深度学习方法已经在人脸识别、自动驾驶、工业机器人、智能推荐、智能客服等诸多领域得到广泛应用，取得了令人惊喜的应用成果。
深度学习平台作为人工智能时代的“操作系统”，其自主可控的重要性不言而喻。然而，无论是学术界驱动的代表性深度学习框架Theano、Caffe，还是由企业主导的深度学习框架TensorFlow、PyTorch，鲜有中国主导的平台。面对愈演愈烈的国际竞争态势，为了全面提升我国人工智能科技实力，发展和推广类似飞桨(PaddlePaddle)这样自主可控的深度学习开源平台势在必行。本书编写的初衷就是为推动我国人工智能教育，以及人工智能技术的自主可控贡献一份力量。
本书特色
本书是关于深度学习的入门级教程，在编写过程中始终遵循“内容基础、由浅入深、注重实践”。书中较为全面地覆盖了深度学习所必须具备的基础知识以及主要模型，包括Python核心库编程基础、数学基础、感知机、卷积神经网络、循环神经网络以及自注意力模型，并给出模型和算法的代码实现，尽量做到理论和实践高度融合。具体内容的章节安排充分考虑了读者的特点和认知规律，在知识架构和案例穿插的设计上确保强化基础、循序渐进、由浅入深。本书的另外一个重要特点是提供了大量有趣案例，覆盖了从网络数据爬取到计算机视觉、自然语言处理等领域经典的模型和应用案例。本书每章经典模型和案例都提供了基于百度深度学习框架飞桨(PaddlePaddle)的完整代码，并给出详细解析和说明，以便加深加快读者对所学内容的理解和掌握。
本书的编写受到“2021年度辽宁省普通高等教育本科教学改革研究项目（LNBKJG11432202101）”“2022年度辽宁省研究生教育教学改革研究项目（LNYJG2022423）”“2022年度辽宁省教育厅基本科研项目（LJKMZ20221549）”的支持。
为方便实践与练习，读者可以扫描本书二维码获取相应资源，亦可登录“飞桨AI Studio——人工智能学习与实训社区”交流学习。
深度学习背后的核心技术包括神经网络的结构设计和方法等，其理论体系虽然有一定进展，但是并不完美。当前的主流深度学习技术是一门应用性极强的工程技术，这种尚不完备的理论以及具有较高门槛的应用工程特点，对于初学者来说具有一定的困难。如果本书能够引领读者迅速进入深度学习研究和应用领域，取得一定的成果，那将是本书作者的荣幸！
本书面向对象
主要读者对象包括：
（1） 人工智能领域的技术工程师，尤其是机器学习和深度学习领域的工程师；
（2） 高校人工智能专业学生、教师以及研究人员；
（3） 希望了解人工智能尤其是深度学习的技术工程师和产品经理；
（4） 对PaddlePaddle平台感兴趣的读者。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
