| 开本：3开 |
| 纸张：胶版纸 |
| 包装：平装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787302704560 |
| 所属分类：图书>计算机/网络>管理信息系统(MIS) |
可开发票，团购联系在线客服有优惠商品详情
深度学习
作者黄高 着
出 版 社清华大学
出版日期年月日
页数
装帧平装
●内容为空待完善
内容简介
本书是一部系统阐述深度学习理论、方法与实践的专业，为读者构建了一套完整的深度学习知识体系。全书共 章，分为四篇：篇为深度学习相关的基本概念与理论（第 章），梳理了深度学习的发展历程、前沿与趋势，介绍了机器学习任务类型、评价指标、过拟合与欠拟合、偏差与方差、似然估计、贝叶斯决策、损失函数设计等；第二篇介绍典型神经网络（第 章），包括多层感知机、卷积神经网络、循环神经网络、 和图神经网络；第三篇为深度学习前沿方向，包括深度生成模型、深度神经网络的优化方法、正则化方法、自监督学习、强化学习及深度神经网络的高效计算方法。第四篇为深度学习实战，以 框架为例介绍张量操作、自动求导和神经网络层构建，同时结合图像分类、文本分类的实战案例展示深度学习模型的实现流程。此外，附录部分补充了本书所需的线性代数、微积分、概率统计等数学
深度学习
作者黄高 着
出 版 社清华大学
出版日期年月日
页数
装帧平装
●内容为空待完善
内容简介
本书是一部系统阐述深度学习理论、方法与实践的专业，为读者构建了一套完整的深度学习知识体系。全书共 章，分为四篇：篇为深度学习相关的基本概念与理论（第 章），梳理了深度学习的发展历程、前沿与趋势，介绍了机器学习任务类型、评价指标、过拟合与欠拟合、偏差与方差、似然估计、贝叶斯决策、损失函数设计等；第二篇介绍典型神经网络（第 章），包括多层感知机、卷积神经网络、循环神经网络、 和图神经网络；第三篇为深度学习前沿方向，包括深度生成模型、深度神经网络的优化方法、正则化方法、自监督学习、强化学习及深度神经网络的高效计算方法。第四篇为深度学习实战，以 框架为例介绍张量操作、自动求导和神经网络层构建，同时结合图像分类、文本分类的实战案例展示深度学习模型的实现流程。此外，附录部分补充了本书所需的线性代数、微积分、概率统计等数学