机器学习八册 生成对抗网络GAN Keras深度学习入门实战目标检测深度强化学习实践深入浅出EmbeddingSpark机器学习 智能系统与技术
举报
9787111610045
-
ISBN:
9787111610045
-
出版时间:
2020-01
上书时间2023-12-04
卖家超过10天未登录
-
-
商品描述：
-
生成对抗网络GAN 原理与实践 9787111712237 99 机械工业出版社 机器学习入门 数学原理解析及算法实践 9787111703440 79 机械工业出版社 Keras深度学习：入门、实战与进阶 9787111691501 109 机械工业出版社 深度学习与目标检测：工具、原理与算法 9787111690344 89 机械工业出版社 深度强化学习实践(原书第2版) 9787111687382 149 机械工业出版社 生成对抗网络入门指南 第2版 9787111683711 89 机械工业出版社 深入浅出Embedding：原理解析与应用实践 9787111680642 99 机械工业出版社 基于Spark的下一代机器学习 9787111681250 99 机械工业出版社
812
主要内容 生成对抗网络GAN 原理与实践 这是一本系统讲解GAN理论、模型、常见问题，并为视觉和语音领域的大部分应用场景提供GAN解决方案和综合实例的著作。 作者在人工智能领域积累颇深，这本书得到了前阿里巴巴达摩院华先胜和中国科学院自动化所刘成林的推荐。前4章有针对性地讲解GAN的理论，帮助读者夯实基础；后8章讲解应用，用大量经典的模型和9个案例，为8个应用场景提供了GAN解决方案。 第1~4章首先介绍了无监督生成模型、显式生成模型、以GAN为代表的隐式生成模型等各种生成模型的理论和原理；然后讲解了GAN中的目标函数及其数学原理、GAN在训练中的常见问题和相应解决方案、GAN的评价指标和可视化等； 第5~12章分别讲解了图像生成GAN的各类模型与应用、图像翻译GAN的各类模型与应用、人脸图像编辑GAN的各类模型与应用、图像质量增强GAN的各类模型与应用、三维图片与视频生成GAN的各类模型与应用、通用的图像编辑GAN框架、对抗攻击以......
机器学习入门 数学原理解析及算法实践 本书面向人工智能领域的初学者，比较全面地介绍了机器学习的基本方法，循序渐进地阐述了其中的数学原理，让读者能够知其然，然后知其所以然。全书分为两部分：D一部分介绍专家系统、决策树、人工神经元、线性回归和逻辑斯蒂回归等内容；第D二部分进入人工神经网络，并介绍无监督学习和强化学习等内容。书中结合应用场景，列举了大量编程实例，帮助读者开展动手实践。理论与实践相辅相成，让读者对算法原理产生更加直观和感性的认识。 通过阅读本书，你将能够了解： 机器学习的由来和发展。 机器学习家族的主要分支。 机器学习的基本方法及其背后的数学原理。 人工神经网络及深度学习的基本原理。 如何将人工智能相关理论应用于实践。
Keras深度学习：入门、实战与进阶 这是一本理论与实践兼顾的深度学习著作，它通过精心的内容组织和丰富的案例讲解，能让读者零基础入门，并迅速晋级为有一定理论基础和项目实战能力的高手。基础方面，不仅介绍了Keras等各种深度学习框架的使用和开发环境的搭建，还对深度学习的基础知识做了全面讲解；理论方面，详细讲解了全连接神经网络、卷积神经网络、循环神经网络、自编码器和生成式对抗网络等核心神经网络的原理和应用；应用层面，不仅讲解了如何用Keras开发各种深度学习模型，而且还讲解了深度学习在图像处理和文本处理两大核心场景的应用；实战方面，每个深度学习模型原理的背后都有精心设计的Keras实现代码，每章都有多个综合性案例，读者可以在调试和执行代码的过程中掌握深度学习模型设计与开发的各种方法和技巧。本书内容结构合理，重点突出；写作方式循序渐进，易于读者理解；行文风格幽默风趣，读起来不枯燥。
深度学习与目标检测：工具、原理与算法 这是一本从工具、原理、算法3个维度指导读者零基础快速掌握目标检测技术及其应用的入门书。两位作者是 的AI技术专家和计算机视觉算法专家，在阿里、腾讯、百度、三星等大企业从事计算机视觉相关的工作多年，不仅理论功底扎实、实践经验丰富，而且知道初学者进入计算机视觉领域的痛点和难点。据此，两位作者编写了这本针对目标检测初学者的入门书，希望从知识体系和工程实践的角度帮助读者少走弯路。1~2章是目标检测的准备工作，主要介绍了目标检测的常识、深度学习框架的选型、开发环境的搭建以及数据处理工具的使用。第3~5章是目标检测的技术基础，主要讲解了数据预处理和卷积神经网络等图像分类技术的基础知识。第6章比较详细地介绍了香港中文大学的开源算法库mmdetection。第7~10章详细地讲解了目标检测的概念、原理、一阶段算法、二阶段算法以及提升算法性能的常用方法。 1章简单介绍了目标检测的相关案例（以工业为背景），以帮助读者构建一个 完整的知识体系。
深度强化学习实践(原书第2版) 本书理论与实践相结合，系统阐述强化学习的基础知识，以及如何动手编写智能体以执行一系列实际任务。通过阅读本书，读者将获得深层Q网络、策略梯度方法、连续控制问题以及高度可扩展的非梯度方法等主题领域的可行洞见，还将学会如何构建一个经过强化学习训练、价格低廉的真实硬件机器人，并通过一步步代码优化在短短30分钟的训练后解决Pong环境。此外，本书还专门介绍了强化学习的新发展，包括离散优化（解决魔方问题）、多智能体方法、Microsoft的TextWorld环境、高级探索技术等。
生成对抗网络入门指南 第2版 本书第2版跟踪近两年生成对抗网络（GAN）技术的发展和变化，包括离散数据生成、GAN与强化学习的关联、海量级高质量图像生成技术等内容，新增了BigGAN、StyleGAN等图像生成模型的介绍与技术解析。这些内容更新与D1版内容有机地结合，深入浅出地阐述了生成对抗网络技术原理和演进，通过代码实例揭示了生成对抗网络技术实际应用的方法，方便读者学习入门。2，书中所有示例代码基于Tensorflow2.0进行了更新，全部支持在Tensorflow2.0环境下运行，方便读者上手实践，深入了解技术实现细......
深入浅出Embedding：原理解析与应用实践 这是一本系统、全面、理论与实践相结合的Embedding技术指南，由 的AI技术专家和 数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和 。在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、 系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。全书一共16章，分为两个部分：部分（ ~9章）Embedding理论知识主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。第二部分（ 0 ~16章）Embedding应用实例通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到 系统中，如何使用Embedding技术提升NLP模型的性能等。
基于Spark的下一代机器学习 本书介绍如何利用Spark平台上的实际文档和示例来构建大型企业级机器学习应用。 在过去10年中，机器学习领域取得了一系列突破性进展。这些突破性进展正在对我们的生活和各行各业产生深远影响。 本书首先对Spark和Spark MLlib做了介绍，除标准Spark MLlib库之外，还介绍了更强大的第三方机器学习算法和库。在本书的后解释了通过对多个实际用例，以帮助读者了解机器学习知识在实际生活中的应用。 本书内容： 机器学习、Spark和Spark MLlib 2.4.x的相关内容。 使用XGBoost4J-Spark和LightGBM库实现Spark上的快速梯度提升。 利用Spark的孤立森林算法实现异常检测。 使用支持多种语言的Spark NLP和Stanford CoreNLP库。 使用Alluxio内存数据加速器优化Spark上的机器学习工作负载。 使用GraphX和GraphFrames进行图分析。 使用卷积神经网络进行图像识别。 通过Spark使用Keras框架和分布式深度学习库。
'
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
