Deep Learning
作者 | Ian Goodfellow/ Yoshua Bengio/ Aaron Courville |
---|---|
出版社 | 聯合發行股份有限公司 |
商品描述 | 深度學習:「由三位深度學習領域專家撰寫的《DeepLearning》,是涵蓋內容最為全面的著作。對於要進入此領域的軟體工程師與學生,提供了兼具深度及廣度的觀點與淺顯數學概念 |
作者 | Ian Goodfellow/ Yoshua Bengio/ Aaron Courville |
---|---|
出版社 | 聯合發行股份有限公司 |
商品描述 | 深度學習:「由三位深度學習領域專家撰寫的《DeepLearning》,是涵蓋內容最為全面的著作。對於要進入此領域的軟體工程師與學生,提供了兼具深度及廣度的觀點與淺顯數學概念 |
內容簡介 「由三位深度學習領域專家撰寫的《Deep Learning》,是涵蓋內容最為全面的著作。對於要進入此領域的軟體工程師與學生,提供了兼具深度及廣度的觀點與淺顯數學概念,以及足供專家參考的內容。」 ──Elon Musk,OpenAI共同主席;Tesla與SpaceX共同創辦人兼CEO。 「這是最完整的深度學習教科書。本書是由此領域的主要貢獻者所撰寫,清晰、全面與完整的呈現相關主題。想知道深度學習的起源、優勢與發展,請閱讀本書。」 ──Geoffrey Hinton,英國皇家學會院士(FRS),Toronto大學榮譽教授;Google傑出研究人員。 「近十年來,深度學習著實讓技術界為之傾倒。有必要為學習者、實作者與教學者撰寫一本教科書,內容包括基本概念、實務項目與進階研究主題。本書是第一本全面涵蓋的書籍,由專精於該領域富有創新性與創造力的研究人員撰寫。本書會是今後幾年的重要參考書。」 ──Yann LeCun,Facebook AI研究主管;New York大學電腦科學(資訊科學)、資料科學與神經科學的教授。 深度學習是一種機器學習,透過概念階層方式,讓電腦從經驗中學習,進而理解世界。由於可利用經驗累積知識,因此無須人為操控來指定電腦所需的全部知識。概念階層容許電腦經由簡單概念建置與學習更複雜的概念,其中組成的階層圖會呈現出多層深度框架。本書內容涵蓋廣泛的深度學習主題。 本書是以數學與概念為基底,涵蓋線性代數、機率論與資訊理論、數值計算以及機器學習等相關概念。書中將論述業界實作者與行家們使用的深度學習技術,包括深度前饋網路、正則化、優化演算法、卷積網路、序列建模與實務方法;同時討論概括論述相關應用,如自然語言處理、語音辨識、電腦視覺、線上推薦系統、生物資訊與電玩遊戲等。本書提供諸多研究觀點,包含線性因子模型、自動編碼器、表徵學習、結構化機率模型、蒙地卡羅法、配分函數、近似推論與深度生成模型等理論項目。 本書適合打算投入深度學習業界或研究領域的大學生與研究生,以及想要在資訊產品或平台中納入深度學習技術的軟體工程師閱讀。 封面圖片:Daniel Ambrosi的Central Park Azalea Walk Dreamscape(danielambrosi.com)。Daniel Ambrosi的Dreamscapes(夢景)是使用Google DeepDream開源軟體(由Google的Joseph Smarr與NVIDIA的Chris Lamb修改的版本)所建構的作品,以此軟體成功處理Ambrosi數億像素的全景圖片而成。
作者介紹 Ian Goodfellow 等Ian Goodfellow 是Google的研究人員(Research Scientist)。 Yoshua Bengio 是Montréal大學電腦科學(資訊科學)系教授。 Aaron Courville 是Montréal大學電腦科學(資訊科學)系助理教授。
書名 / | 深度學習 |
---|---|
作者 / | Ian Goodfellow Yoshua Bengio Aaron Courville |
簡介 / | 深度學習:「由三位深度學習領域專家撰寫的《DeepLearning》,是涵蓋內容最為全面的著作。對於要進入此領域的軟體工程師與學生,提供了兼具深度及廣度的觀點與淺顯數學概念 |
出版社 / | 聯合發行股份有限公司 |
ISBN13 / | 9789865021924 |
ISBN10 / | 9865021927 |
EAN / | 9789865021924 |
誠品26碼 / | 2681818569002 |
頁數 / | 744 |
注音版 / | 否 |
裝訂 / | P:平裝 |
語言 / | 1:中文 繁體 |
尺寸 / | 23X18.5CM |
級別 / | N:無 |
重量(g) / | 1866.4g |
最佳賣點 : 本書是以數學與概念為基底,涵蓋線性代數、機率論與資訊理論、數值計算以及機器學習等相關概念。書中將論述業界實作者與行家們使用的深度學習技術,包括深度前饋網路、正則化、優化演算法、卷積網路、序列建模與實務方法