深度學習-從演算法本質.系統工程到產業實踐 王書浩 徐罡 9787302657491 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$566
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202404*若逾兩年請先於私訊洽詢存貨情況，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：深度學習-從演算法本質.系統工程到產業實踐 ISBN：9787302657491 出版社：清華大學 著編譯者：王書浩 徐罡 叢書名：跟我一起學人工智慧 頁數：349 所在地：中國大陸 *此為代購商品 書號：1638104 可大量預訂，請先連絡。 內容簡介 本書介紹了深度學習的基本理論、工程實踐及其在產業界的部署和應用。在深度學習框架方面，結合代碼詳細講解了經典的卷積神經網路、循環神經網路和基於自注意力機制的Transformer網路及其變體，並介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。此外，書中還涵蓋了深度強化學習和生成對抗網路的前沿進展。在系統工程和產業實踐方面，解釋了如何使用分散式系統訓練和部署模型處理大規模數據。本書系統介紹了構建深度學習推理系統的過程，並結合代碼講解了分散式深度學習推理系統需要考慮的工程化因素，例如分散式問題和消息隊列，以及工程化的解決方法。本書提供了每個經典模型和應用實例的TensorFlow和PyTorch版本代碼，為深度學習初學者和演算法開發者提供理論學習、代碼實踐和工程落地的指導與幫助。 本書適合計算機、自動化、電子、通信、數學、物理等相關專業的研究生和高年級本科生使用，也適合希望從事或準備轉向人工智慧領域的專業技術人員與醫學研究人員閱讀，還可作為高等院校、醫療系統和培訓機構相關專業的教學參考書。作者簡介 王書浩，清華大學博士，清華大學交叉信息研究院博士后，現為透徹未來聯合創始人與首席技術官，曾先後于百度、異構智能（Novu Mind）、京東從事數據科學與人工智慧研究，擁有國家發明專利二十余項，並在Nature Communications、Modem Pathology、ICCV等頂級期刊/會議發表十余篇學術論文。曾獲得2019年烏鎮互聯網峰會「30位新生代數字經濟人才」精英獎、Year 2022 Fall Asia-Pacific Signal and Information Processing Association Industrial Distinguished Leaders、阿里雲「看見新力量」2022年度人物。目錄 第1章 神經網路深入1 1 打開深度學習之門 1 2 從優化問題講起 1 2 1 牛頓與開普勒的對話 1 2 2 擬合與分類的數學模型 1 2 3 通過訓練數據優化模型參數 1 2 4 優化方法 1 3 深度神經網路 1 3 1 誰來做特徵提取 1 3 2 人工神經元與激活函數 1 3 3 神經網路及其數學本質 1 4 正則化方法 1 4 1 欠擬合與過擬合 1 4 2 正則化方法 1 4 3 一些訓練技巧 1 5 模型評價 1 5 1 評價指標的重要性 1 5 2 混淆矩陣 1 5 3 典型評價指標 1 6 深度學習能力的邊界 1 6 1 深度學習各領域的發展階段 1 6 2 不適用現有深度學習技術的任務 1 6 3 深度學習的未來 本章習題 第2章 卷積神經網路——圖像分類與目標檢測 2 1 卷積的基本概念 2 1 1 卷積的定義 2 1 2 卷積的本質 2 1 3 卷積的重要參數 2 1 4 池化層 2 2 卷積神經網路 2 2 1 典型的卷積神經網路 2 2 2 LeNet 2 2 3 AlexNet 2 2 4 VGGNet 2 2 5 ResNet 2 2 6 能力對比 2 3 目標檢測 2 3 1 R-CNN 2 3 2 Fast R-CNN 2 3 3 Faster R-CNN 2 3 4 YOLO 本章習題 第3章 卷積神經網路——語義分割 3 1 語義分割基礎 3 1 1 語義分割的應用領域 3 1 2 全卷積神經網路 3 1 3 反卷積與空洞卷積 3 1 4 U-Net 3 1 5 DeepLab v1和v2 3 1 6 DeepLab v3 3 1 7 兩種架構的融合——DeepLab v3+ 3 2 模型可視化 3 2 1 卷積核可視化 3 2 2 特徵圖可視化 3 2 3 表徵向量可視化 3 2 4 遮蓋分析與顯著梯度分析 3 3 病理影像分割初探 3 3 1 病理——醫學診斷的「金標準」 3 3 2 病理人工智慧的挑戰 3 3 3 真實模型訓練流程 3 4 自監督學習 3 4 1 方法概述 3 4 2 自監督學習演算法介紹 3 5 模型訓練流程 3 5 1 成本函數 3 5 2 自動調節學習速率 3 5 3 模型保存與載入 本章習題 第4章 高級循環神經網路 4 1 自然語言處理基礎 4 1 1 時間維度的重要性 4 1 2 自然語言處理 4 1 3 詞袋法 4 1 4 詞嵌入 4 2 循環神經網路 4 2 1 時序數據建模的模式 4 2 2 循環神經網路基本結構 4 2 3 LSTM 4 2 4 GRU 4 3 基於會話的欺詐檢測 4 3 1 欺詐的模式 4 3 2 技術挑戰 4 3 3 數據預處理 4 3 4 實踐循環神經網路 4 4 語音識別與語音評測 4 4 1 特徵提取 4 4 2 模型結構 4 4 3 CTC損失函數 本章習題 第5章 分散式深度學習系統 5 1 分散式系統 5 1 1 挑戰與應對 5 1 2 主從架構 5 1 3 Hadoop與Spark 5 2 分散式深度學習系統 5 2 1 CPU與GPI 5 2 2 分散式深度學習 5 2 3 通信——對參數進行同步 5 3 微服務架構 5 3 1 微服務的基本概念 5 3 2 消息隊列 5 4 分散式推理系統 5 4 1 深度學習推理框架 5 4 2 推理系統架構 本章習題 第6章 深度學習前沿 6 1 深度強化學習 6 1 1 強化學習概述 6 1 2 深度強化學習概述 6 1 3 任天堂遊戲的深度強化學習 6 2 AlphaGo 6 2 1 為什麼圍棋這麼困難 6 2 2 AlphaGo系統架構 6 2 3 AlphaGo Zero 6 3 生成對抗網路 6 3 1 生成對抗網路概述 6 3 2 典型的生成對抗網路 6 4 未來在哪裡 本章習題 第7章 專題講座 7 1 DenseNet 7 2 Inception 7 3 Xception 7 4 ResNeXt 7 5 Transformer 本章習題 第8章 Transformer和它的朋友們 8 1 注意力模型 8 1 1 看圖說話 8 1 2 語言翻譯 8 1 3 幾種不同的注意力機制 8 2 Transformer 8 2 1 自注意力機制和Transformer 8 2 2 Tansformer在視覺領域的應用 本章習題 第9章 核心實戰 9 1 圖像分類 9 1 1 ImageNet數據集概述 9 1 2 ImageNet數據探索與預處理 9 1 3 模型訓練 9 1 4 模型測試 9 1 5 模型評價 9 1 6 貓狗大戰數據集 9 1 7 模型導出 9 2 語義分割 9 2 1 數字病理切片介紹 9 2 2 數字病理切片預處理 9 2 3 樣本均衡性處理 9 2 4 模型訓練 9 2 5 模型測試 9 2 6 模型導出 本章習題 第10章 深度學習推理系統 10 1 整體架構 10 2 調度器模塊 10 3 工作節點模塊 10 4 日誌模塊 本章習題 參考文獻 擴展資源二維碼 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
