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...

深度卷积网络 原理与实践

本书正文内容可分3部分，共9章：综述篇（第1，6，9章）。这三章不需要编程和数学基础，如果读者尚不熟悉技术，推荐优先阅读，尤其是第1和第9章。它们分别介绍：深度学习的基本概念，AlphaGo的架构综述，深度学习的问题和......

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...

深度学习 入门与实践

本书是一本关于深度学习的入门读物，阐述了深度学习的发展历程、相关基本概念和工作原理。介绍了两个当前流行的深度学习工具：Caffe和TensorFlow。初步探讨了强化学习的基本原理和应用。为了能让初学者快速上...

深度学习 核心技术、工具与案例解析

本书共10章，可分为3个部分：第1～2章为第一部分，简介深度学习算法的发展历史和前沿技术简；第3～4章为第二部分，介绍深度学习主流框架；第5～10章为第三部分，主要为实践案例部分，结合应用场景使用深度学习技术解决......

深度学习、优化与识别

深度神经网络近来受到国内外广泛关注，已成为中国人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。第一部分系统论述了理论及算法，包括深度前馈神经网络，深度卷积神经网络，深度...