深度学习之TensorFlow入门、原理与进阶实战

本书通过96个案例，全面讲解了深度学习神经网络原理和TensorFlow使用方法。全书共分为3篇，第1篇深度学习与TensorFlow基础，包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFl...

神经网络与深度学习

这是一本介绍神经网络和深度学习算法基本原理及相关实例的书籍，它不是教科书，作者已尽量把公式减少到最少，以适应绝大部分人的阅读基础和知识储备。本书涵盖了神经网络的研究历史、基础原理、深度学习中的自编...

推荐系统与深度学习

1）主要面对推荐系统的初学者或者算法爱好者，结合算法介绍和实战代码，帮助读者从零到一，结构化的掌握目前推荐系统的主流理论及实践经验。2）面对有一定基础的读者，介绍深度学习的基础概念，以及深度学习在推荐系......

深入理解Auto ML和Auto DL:构建自动化机器学习与深度学习平台

深度强化学习原理与实践

本书将从数学和方法的角度分别阐述强化学习的内容。从数学基础讲起，通过简单的环境模型来逐步展开强化学习的内容。每章至少会有一个案例来辅助读者深入理解相关的知识点，涵盖目前的热点应用，例如图像风格创造...

深度学习之图像识别 核心技术与案例实战

本书是一本讲述深度学习在计算机视觉领域的书籍，为机器学习和深度学习相关领域中需要学习图像识别和处理技术的读者量身定做。本书非常详尽地讲述了深度学习的各个知识点，包括深度学习卷积神经网络的理论知识...

深度学习与R语言

全书12章，分为原理篇（第1～8章），应用篇（第9～12章）。原理篇按照深度学习的发展过程，主要讨论了浅层神经网络、深度神经网络、Elman神经网络、Jordan神经网络、自动编码机、受限波尔兹曼机和深度信念网。应用篇R环境......

深度学习基础与实践

本书既覆盖足够的理论，又提供足够的实践，旨在让读者能够构建生产级别的深度学习工作流。本书前4章介绍深度学习概念、神经网络基础知识、深层网络是如何从神经网络演变而来的、4个主流的深层网络的架构。第5...

当代机器深度学习方法与应用研究

本书对当前最新的深度学习方法及应用进行了全面的概述，涵盖了自动语音识别（ASR）、计算机视觉、语言建模、文本处理、多模态学习以及信息检索等方向，能使读者对机器深度学习领域进行广泛而深入的了解，对有志于了...

深度学习框架PyTorch 入门与实践

本书主要分为10部分内容。第1章：PyTorch概述，第2章：PyTorch快速，第3章：PyTorch核对象：Tenosr和Variable,第4章：PyTorch神经络具箱，第5章：PyTorch常具模块，第6章：PyTorch实战指南，第7章：Example之ImageNet，第8章：Example之G...