| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787115663702 |
| 所属分类：图书>计算机/网络>计算机理论 |
编辑推荐
如果看不懂“花书”，那就先来看看这本作者自身的知名度，经典著作《模式识别与机器学习》之后的又一力作； 三位图灵奖得主的共同推荐， 年诺贝尔物理学奖得主杰弗里·辛顿作序推荐； 为初学者打造，这本书不只能帮读者正确理解深度学习的关键知识，还能帮助读者构建整个深度学习的知识体系、理解其思想内核； 本书的重点是引导读者清晰地理解概念与思想，强调的是具有实际应用价值的技术而不是抽象的理论； 四色印刷，提升“悦读性”。商品详情内容简介
本书是作者自《模式识别与机器学习》出版近年后的又一重磅力作，也是继约书亚·本吉奥 的《深度学习》之后该领域的重要著作。
本书既注重基础——全面介绍了支撑深度学习的关键思想、基础和概念，又与时俱进——涵盖了、、、扩散模型等架构和技术的新进展，可为读者深入学习专业知识奠定坚实基础、开阔眼界。
本书从第章开始，每章最后都给出了一套精心设计的习题，便于读者在学习过程中巩固所学知识。
目 录
第章深度学习革命
深度学习的影响
医疗诊断
蛋白质结构预测
图像合成
大语言模型
一个教学示例
合成数据
线性模型
误差函数
模型复杂度
正则化
模型选择
机器学习简史第章深度学习革命
深度学习的影响
医疗诊断
蛋白质结构预测
图像合成
大语言模型
一个教学示例
合成数据
线性模型
误差函数
模型复杂度
正则化
模型选择
机器学习简史
单层网络
反向传播
深度网络
第章概率
概率法则
医学筛查示例
加和法则和乘积法则
贝叶斯定理
再看医学筛查示例
先验概率和后验概率
独立变量
概率密度
分布的示例
期望和协方差
高斯分布
均值和方差
……
显示全部信息
媒体评论
在 年出版了一本非常出色的神经网络教科书，他对这一领域及其核心思想有着深刻的了解。他在解释神经网络方面的多年经验使他非常善于以简单的方式阐述复杂的观点，看到他将这些技能应用于该领域革命性的新发展，我们感到非常高兴。 —— 杰弗里·辛顿（ ）， 年诺贝尔物理学奖得主， 年图灵奖得主 随着近年来深度学习和人工智能研究领域的爆炸式发展，以及人工智能应用的快速增长，我们迫切需要一本关于这一主题的现代教科书。 的这本书应运而生，本书介绍了有监督和无监督学习的算法、现代深度学习架构等，以及如何将这些应用于各种领域。 —— 杨立昆（ ）， 年图灵奖得主 本书以概率论为坚实基础，具有深厚的教育意义，将带领读者了解深度学习的主要概念和进展。这些概念正在为当前的工业人工智能系统提供动力，并有可能成为通用人工智能进一步发展的基础。 —— 约书亚·本吉奥 （ ）， 年图灵奖得主
作者简介
克里斯托弗· 毕晓普（ ） 微软公司技术研究员、微软研究 院 科 学 智 能 中 心（ ）负责人。剑桥达尔文学院院士、英国家工程院院士、爱丁堡家学会院士和伦敦家学会院士。曾出版经典著作《模式识别与机器学习》（ ）。 休·毕晓普（ ） 公司（伦敦一家基于端到端深度学习的自动驾驶公司）应用科学家，负责设计和训练深度神经网络。拥有剑桥大学工程系机器学习和机器智能专业硕士 学位、杜伦大学计算机科学工程学硕士学位。
如果看不懂“花书”，那就先来看看这本作者自身的知名度，经典著作《模式识别与机器学习》之后的又一力作； 三位图灵奖得主的共同推荐， 年诺贝尔物理学奖得主杰弗里·辛顿作序推荐； 为初学者打造，这本书不只能帮读者正确理解深度学习的关键知识，还能帮助读者构建整个深度学习的知识体系、理解其思想内核； 本书的重点是引导读者清晰地理解概念与思想，强调的是具有实际应用价值的技术而不是抽象的理论； 四色印刷，提升“悦读性”。商品详情内容简介
本书是作者自《模式识别与机器学习》出版近年后的又一重磅力作，也是继约书亚·本吉奥 的《深度学习》之后该领域的重要著作。
本书既注重基础——全面介绍了支撑深度学习的关键思想、基础和概念，又与时俱进——涵盖了、、、扩散模型等架构和技术的新进展，可为读者深入学习专业知识奠定坚实基础、开阔眼界。
本书从第章开始，每章最后都给出了一套精心设计的习题，便于读者在学习过程中巩固所学知识。
目 录
第章深度学习革命
深度学习的影响
医疗诊断
蛋白质结构预测
图像合成
大语言模型
一个教学示例
合成数据
线性模型
误差函数
模型复杂度
正则化
模型选择
机器学习简史第章深度学习革命
深度学习的影响
医疗诊断
蛋白质结构预测
图像合成
大语言模型
一个教学示例
合成数据
线性模型
误差函数
模型复杂度
正则化
模型选择
机器学习简史
单层网络
反向传播
深度网络
第章概率
概率法则
医学筛查示例
加和法则和乘积法则
贝叶斯定理
再看医学筛查示例
先验概率和后验概率
独立变量
概率密度
分布的示例
期望和协方差
高斯分布
均值和方差
……
显示全部信息
媒体评论
在 年出版了一本非常出色的神经网络教科书，他对这一领域及其核心思想有着深刻的了解。他在解释神经网络方面的多年经验使他非常善于以简单的方式阐述复杂的观点，看到他将这些技能应用于该领域革命性的新发展，我们感到非常高兴。 —— 杰弗里·辛顿（ ）， 年诺贝尔物理学奖得主， 年图灵奖得主 随着近年来深度学习和人工智能研究领域的爆炸式发展，以及人工智能应用的快速增长，我们迫切需要一本关于这一主题的现代教科书。 的这本书应运而生，本书介绍了有监督和无监督学习的算法、现代深度学习架构等，以及如何将这些应用于各种领域。 —— 杨立昆（ ）， 年图灵奖得主 本书以概率论为坚实基础，具有深厚的教育意义，将带领读者了解深度学习的主要概念和进展。这些概念正在为当前的工业人工智能系统提供动力，并有可能成为通用人工智能进一步发展的基础。 —— 约书亚·本吉奥 （ ）， 年图灵奖得主
作者简介
克里斯托弗· 毕晓普（ ） 微软公司技术研究员、微软研究 院 科 学 智 能 中 心（ ）负责人。剑桥达尔文学院院士、英国家工程院院士、爱丁堡家学会院士和伦敦家学会院士。曾出版经典著作《模式识别与机器学习》（ ）。 休·毕晓普（ ） 公司（伦敦一家基于端到端深度学习的自动驾驶公司）应用科学家，负责设计和训练深度神经网络。拥有剑桥大学工程系机器学习和机器智能专业硕士 学位、杜伦大学计算机科学工程学硕士学位。