解析深度學習 (第2版) 魏秀參 9787121491665 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202501*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：解析深度學習 (第2版)
ISBN：9787121491665
出版社：電子工業
著編譯者：魏秀參
頁數：406
所在地：中國大陸 *此為代購商品
書號：1716502
可大量預訂，請先連絡。

內容簡介

深度學習是一種以人工神經網絡等為架構，對數據資料進行表示學習的算法，它是計算機科學及人工智能的重要分支，其代表性成果如卷積神經網絡、循環神經網絡等作為信息產業與工業互聯網等行業的主流工具性技術已被成功應用於諸多現實場景。 本書作為一本面向中文讀者的深度學習教科書，從「理論與實踐相結合」的角度立意，貫徹「知行合一」的教育理念。全書除緒論和附錄外，共有15章，分四篇：第一篇「機器學習」（第1章），介紹機器學習的基本術語、基礎理論與模型；第二篇「深度學習基礎」（第2～5章），介紹深度學習基本概念、卷積神經網絡、循環神經網絡和Transformer網絡等內容；第三篇「深度學習實踐」（第6～14章），介紹深度學習模型自數據準備開始，到網絡參數初始化、不同網絡部件的選擇、網絡配置、網絡模型訓練、不平衡樣本的處理，最終到模型集成等實踐應用技巧和經驗；第四篇「深度學習進階」（第15章），本篇以計算機視覺中的基礎任務為例，介紹深度學習的進階發展及其應用情況。 本書不是一本編程類圖書，而是希望通過「基礎知識」和「實踐技巧」兩方面的內容使讀者從更高維度了解、掌握並成功構建針對自身應用的深度學習模型。 本書可作為高等院校計算機、人工智能、自動化及相關專業的本科生或研究生教材，也可供對深度學習感興趣的研究人員和工程技術人員閱讀參考。

作者簡介

魏秀參，曠視科技（Face++）南京研究院負責人。南京大學LAMDA研究所博士，主要研究領域為計算機視覺和機器學習。在相關領域重要國際期刊和國際會議發表論文十余篇，並獲得國際計算機視覺相關競賽冠、亞軍。曾獲CVPR 2017最佳審稿人、南京大學博士生校長特別獎學金等榮譽，擔任ICCV、CVPR、ECCV、NIPS、lJCAI、AAAl等國際會議PC member。（個人自媒體：知乎「魏秀參」，新浪微博「Wilson NJUer」）

目錄

第0章 緒論
0 1 引子
0 2 人工智能
0 3 深度學習
參考文獻
第一篇 機器學習
第1章 機器學習基礎
1 1 機器學習基本術語
1 2 模型評估與選擇
1 2 1 經驗誤差與過擬合
1 2 2 常用的評估方法
1 2 3 性能度量
1 2 4 偏差與方差
1 3 線性模型
1 3 1 基本形式
1 3 2 線性回歸
1 3 3 線性判別分析
1 3 4 多分類學習
1 3 5 支持向量機
1 4 機器學習基本理論
1 4 1 PAC學習理論
1 4 2 NoFreeLunch定理
1 4 3 奧卡姆剃刀原理
1 4 4 歸納偏置
1 5 總結與擴展閱讀
1 6 習題
參考文獻
第二篇 深度學習基礎
第2章 深度學習基本概念
2 1 發展歷程
2 2 「端到端」思想
2 3 基本結構
2 4 前饋運算
2 5 反饋運算
2 6 總結與擴展閱讀
2 7 習題
參考文獻
第3章 卷積神經網絡
3 1 卷積神經網絡基本組件與操作
3 1 1 符號表示
3 1 2 卷積層
3 1 3 匯合層
3 1 4 激活函數
3 1 5 全連接層
3 1 6 目標函數
3 2 卷積神經網絡經典結構
3 2 1 卷積神經網絡結構中的重要概念
3 2 2 經典網絡案例分析
3 3 卷積神經網絡的壓縮
3 3 1 低秩近似
3 3 2 剪枝與稀疏約束
3 3 3 參數量化
3 3 4 二值網絡
3 3 5 知識蒸餾

第4章 循環神經網絡
第5章 Transformer網絡
第三篇 深度學習實踐
第6章 數據擴充與數據預處理
第7章 網絡參數初始化
第8章 激活函數
第9章 目標函數
第10章 網絡正則化
第11章 超參數設定和網絡訓練
第12章 不平衡樣本的處理
第13章 模型集成方法
第14章 深度學習開源工具簡介
第四篇 深度學習進階
第15章 計算機視覺進階與應用
附錄A 向量、矩陣及其基本運算
附錄B 微積分
附錄C 線性代數
附錄D 概率論
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。