自己做应用的网站,南宁百度seo价格,建设网络课程平台费用,做徽章的网站关注微信公众号#xff1a;人工智能大讲堂#xff0c;后台回复udl获取pdf文档。
今天要分享的书是Understanding Deep Learning#xff0c;作者是西蒙普林斯#xff0c;英国巴斯大学的荣誉教授#xff0c;其个人学术能力相当强大#xff0c;在AI领域有着深厚的学术造诣。…关注微信公众号人工智能大讲堂后台回复udl获取pdf文档。
今天要分享的书是Understanding Deep Learning作者是西蒙·普林斯英国巴斯大学的荣誉教授其个人学术能力相当强大在AI领域有着深厚的学术造诣。
通过谷歌学术数据可知其发表的论文被引用次数高达6988次。
本书2023年5月份才出版但其电子书下载量已达150k之多可见其受欢迎程度。
官方网址
https://udlbook.github.io/udlbook/
https://github.com/udlbook/udlbook/tree/main目录
Chapter 1 - IntroductionChapter 2 - Supervised learningChapter 3 - Shallow neural networksChapter 4 - Deep neural networksChapter 5 - Loss functionsChapter 6 - Training modelsChapter 7 - Gradients and initializationChapter 8 - Measuring performanceChapter 9 - RegularizationChapter 10 - Convolutional networksChapter 11 - Residual networksChapter 12 - TransformersChapter 13 - Graph neural networksChapter 14 - Unsupervised learningChapter 15 - Generative adversarial networksChapter 16 - Normalizing flowsChapter 17 - Variational autoencodersChapter 18 - Diffusion modelsChapter 19 - Deep reinforcement learningChapter 20 - Why does deep learning work?Chapter 21 - Deep learning and ethics本书包含了深度学习所涉及的方方面面模型损失函数训练方法初始化评估模型等基础内容。
有了基础就可以构建上层建筑了作者开始介绍一些在深度学习领域中一些重要的模型例如ResNet中提出的残差连接编码解码器架构。
最后作者介绍了深度学习的各个分支包括处理表格数据的前馈神经网络CV领域的卷积神经网络用于生成图像的生成对抗网络用于处理图数据的图神经网络多模态领域中用于图像生成的扩散模型自主学习方法强化学习NLP领域的循环神经网络。
由于本书今年5月才出版所以内容与时俱进例如NLP领域中的Transformer目前热度最高的大模型都是基于Transformer开发的而且大有跨域发展的趋势例如视觉Transformer。
每个章节都有大量的可视化图表这对理解理论知识有很大的帮助并且作者很暖心地将这些图表提取成了图片供大家在其它地方使用。
另外最重要的是在作者提供了读者精选问题的答案以及每一章所涉及到的代码。
图表问答代码下载链接在前面的官方网址或Github中。
这里再介绍作者的另一本书计算机视觉:模型、学习和推理Computer Vision: Models, Learning and Inference。
由于我没有读过所以不过多介绍了感兴趣的可以自行下载阅读。
www.computervisionmodels.com
