雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch庫是真正具備Python風(fēng)格的。對于任何了解NumPy和scikit-learn等工具的人來說，上手PyTorch輕而易舉。PyTorch在不犧牲高級特性的情況下簡化了深度學(xué)習(xí)，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個(gè)人應(yīng)用擴(kuò)展到企業(yè)級應(yīng)用。由于像蘋果、Face

本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進(jìn)展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來源于IEEE計(jì)算機(jī)協(xié)會相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國際知名科學(xué)家的學(xué)術(shù)報(bào)告、報(bào)道以及相關(guān)活動內(nèi)容組成。本書將以創(chuàng)新的方式宣

本書系統(tǒng)地闡述機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)知識，但并非大學(xué)數(shù)學(xué)教材的翻版，而是以機(jī)器學(xué)習(xí)算法為依據(jù)，選取數(shù)學(xué)知識，并從應(yīng)用的角度闡述各種數(shù)學(xué)定義、定理等，側(cè)重于講清楚它們的應(yīng)用和實(shí)現(xiàn)方法。所以，書中將使用開發(fā)者喜歡的編程語言（Python）來實(shí)現(xiàn)各種數(shù)學(xué)計(jì)算，并闡述數(shù)學(xué)知識在機(jī)器學(xué)習(xí)算法中的應(yīng)用體現(xiàn)。

本書結(jié)合了最新的深度學(xué)習(xí)技術(shù)應(yīng)用成果，充分考慮了大學(xué)生的知識結(jié)構(gòu)和學(xué)習(xí)特點(diǎn)，結(jié)合各個(gè)專業(yè)特點(diǎn)介紹了深度學(xué)習(xí)的基本概念及TensorFlow框架，以及深度學(xué)習(xí)在各個(gè)領(lǐng)域的具體應(yīng)用。本書為高職高專院校深度學(xué)習(xí)基礎(chǔ)課程教材重點(diǎn)介紹了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、TensorFlow環(huán)境使用、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)等內(nèi)容。

本書從強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識出發(fā)，結(jié)合PyTorch深度學(xué)習(xí)框架，介紹深度強(qiáng)化學(xué)習(xí)算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實(shí)現(xiàn)。作為一本介紹深度強(qiáng)化學(xué)習(xí)知識的相關(guān)圖書，本書介紹了常用的強(qiáng)化學(xué)習(xí)環(huán)境，基于價(jià)值網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)算法和基于策略梯度的強(qiáng)化學(xué)習(xí)算法，以及一些常用的比較流行的深度強(qiáng)化學(xué)習(xí)算法（如蒙特卡洛樹搜索

強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動駕駛、機(jī)器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書結(jié)合了李宏毅老師的“深度強(qiáng)化學(xué)習(xí)”、周博磊老師的“強(qiáng)化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實(shí)踐強(qiáng)化學(xué)習(xí)”公開課的精華內(nèi)容，在理論嚴(yán)謹(jǐn)?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時(shí)序差分方法、

本書第1章介紹聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機(jī)遇和挑戰(zhàn)。第2-5章介紹不同類型的機(jī)器學(xué)習(xí)方法在聯(lián)邦學(xué)習(xí)模式下的實(shí)現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學(xué)習(xí)開源框架FATE的架構(gòu)和部署，以及在金融控股集團(tuán)內(nèi)大數(shù)據(jù)平臺上建立跨機(jī)構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)平臺的實(shí)施方案。第7章從建模者的角度展示了典型建模流程的實(shí)戰(zhàn)過程。

作為一門應(yīng)用型學(xué)科，機(jī)器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實(shí)現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫，方能更加深入地理解機(jī)器學(xué)習(xí)算法的內(nèi)在邏輯和運(yùn)行機(jī)制。本書在對全部機(jī)器學(xué)習(xí)算法進(jìn)行分類梳理的基礎(chǔ)之上，分別對監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無監(jiān)督學(xué)習(xí)模型、概率模型四個(gè)大類共26個(gè)經(jīng)典算法進(jìn)行了細(xì)致的公式推導(dǎo)和代碼實(shí)現(xiàn)，旨在

本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場景下的人工智能技術(shù)服務(wù)、深度學(xué)習(xí)數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)基礎(chǔ)應(yīng)用等技術(shù)。全書共10個(gè)實(shí)訓(xùn)項(xiàng)目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計(jì)、人工智能平臺應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標(biāo)注工程應(yīng)用、機(jī)器學(xué)習(xí)模型訓(xùn)練、深度學(xué)習(xí)框架應(yīng)用開發(fā)、深度學(xué)習(xí)框架基礎(chǔ)功能應(yīng)用、深度學(xué)習(xí)線性回歸模型

本書較為全面地介紹了深度學(xué)習(xí)模型訓(xùn)練、計(jì)算機(jī)視覺模型應(yīng)用、自然語言處理模型應(yīng)用等技術(shù)。全書共9個(gè)實(shí)訓(xùn)項(xiàng)目,包括深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計(jì)算機(jī)視覺模型數(shù)據(jù)準(zhǔn)備、計(jì)算機(jī)視覺模型訓(xùn)練與應(yīng)用、計(jì)算機(jī)視覺模型部署、自然語言處理預(yù)訓(xùn)練模型數(shù)據(jù)準(zhǔn)備、自然語言處理預(yù)訓(xùn)練模型訓(xùn)練與