游客,欢迎您!
登录
注册
您的建议
0
高级检索
全部
题名
ISBN
作者
出版社
客户端下载
个人中心
学科
哲学
哲学
经济学
理论经济学
应用经济学
法学
法学
政治学
社会学
民族学
马克思主义理论
公安学
教育学
教育学
心理学
体育学
文学
中国语言文学
外国语言文学
新闻传播学
历史学
考古学
中国史
世界史
理学
数学
物理学
化学
天文学
地理学
大气科学
海洋科学
地球物理学
地质学
生物学
系统科学
科学技术史
生态学
统计学
工学
力学
机械工程
光学工程
仪器科学与技术
材料科学与工程
冶金工程
动力工程及工程热物理
电气工程
电子科学与技术
信息与通信工程
控制科学与工程
计算机科学与技术
建筑学
土木工程
水利工程
测绘科学与技术
化学工程与技术
地质资源与地质工程
矿业工程
石油与天然气工程
纺织科学与工程
轻工技术与工程
交通运输工程
船舶与海洋工程
航空宇航科学与技术
兵器科学与技术
核科学与技术
农业工程
林业工程
环境科学与工程
生物医学工程
食品科学与工程
城乡规划学
风景园林学
软件工程
生物工程
安全科学与工程
公安技术
农学
作物学
园艺学
农业资源利用
植物保护
畜牧学
兽医学
林学
水产
草学
医学
基础医学
临床医学
口腔医学
公共卫生与预防医学
中医学
中西医结合
药学
中药学
特种医学
医学技术
护理学
军事学
军事思想及军事历史
战略学
战役学
战术学
军队指挥学
军制学
军队政治工作学
军事后勤学与军事装备学
军事装备学
军事训练学
管理学
管理科学与工程
工商管理
农林经济管理
公共管理
图书馆、情报与档案管理
艺术学
艺术学理论
音乐与舞蹈学
戏剧与影视学
美术学
设计学
中图法
A 马克思主义、列宁主义、毛泽东思想、邓小平理论
B 哲学、宗教
哲学理论
C 社会科学总论
社会学
D 政治、法律
政治理论
E 军事
军事理论
、
世界军事
F 经济
经济学
、
农业经济
G 文化、科学、教育、体育
H 语言、文字
语言学
、
汉语
I 文学
文学理论
、
世界文学
J 艺术
艺术理论
、
摄影艺术
K 历史、地理
史学理论
N 自然科学总论
系统科学
O 数理科学和化学
数学
P 天文学、地球科学
天文学
Q 生物科学
植物学
、
动物学
R 医药、卫生
医学研究方法
S 农业科学
农业经济
、
园艺
T 工业技术
工业技术理论
U 交通运输
交通运输经济
V 航空、航天
航空、航天医学
X 环境科学、安全科学
Z 综合性图书
丛书
、
辞典
首页
新书专区
专题推荐
排行榜
数字资源平台
>
工学
>
控制科学与工程
>
模式识别与智能系统
>
深度学习与大模型基础
阅读次数:
67
下载次数:
29
荐购次数:
0
收藏次数:
9
深度学习与大模型基础
作者:
段小手
著
出版社:
北京大学出版社
出版时间:
2024.06
ISBN:
978-7-3013-4996-0
主题:
机器学习
中图法分类号:
TP181
【中图法分类】
T 工业技术
>
TP自动化技术、计算机技术
>
TP1自动化基础理论
【学科分类】
工学
>
控制科学与工程
>
模式识别与智能系统
交叉学科
>
智能科学与技术(可授理学、工学学位)
工学
>
电子信息
>
人工智能
建议阅读终端:
扫描用手机阅读此书支持Android/iPhone
在线试读
EPUB格式
下载
EPUB下载
分享到
新浪微博
QQ空间
豆瓣网
注:如果您的电脑尚未安装PC客户端,请先
安装客户端
后再下载阅读!
编辑推荐
简介
目录
评论
暂无推荐
简介
本书以通俗易懂的语言和有趣的插画来解释深度学习中的概念和方法,生动形象的插图更容易帮助读者理解和记忆。同时,书中指导读者将自己的理解制作成短视频,以加强学习效果。另外,书中还指导读者在Colab平台上进行实践。本书内容全面,从基础的神经网络、卷积神经网络、循环神经网络等入门知识,到深度学习的应用领域如计算机视觉、自然语言处理等高级主题都有涉及。本书具有丰富的趣味性、互动性和实践性,可以帮助读者更好地理解深度学习知识,并为未来的职业发展打下坚实的基础。
目录
封面
版权
前言
第1章 绪论
1.1 深度学习的前世今生
1.2 模型复杂度的提升
1.3 深度学习的名人轶事
第2章 深度学习中的线性代数
2.1 标量、向量、矩阵与张量
2.2 矩阵的运算
2.3 单位矩阵与逆矩阵
2.4 线性相关、生成子空间和范数
2.5 一些特殊类型的矩阵
2.6 特征分解
2.7 奇异值分解
2.8 Moore-Penrose伪逆
2.9 迹运算
2.10 行列式
2.11 例子: 主成分分析
第3章 概率与信息论
3.1 为什么要使用概率
3.2 随机变量
3.3 概率分布
3.4 边缘概率
3.5 条件概率
3.6 条件概率的链式法则
3.7 条件独立性
3.8 期望、方差和协方差
3.9 常用概率分布
3.10 常用函数及性质
3.11 贝叶斯规则
3.12 信息论中的交叉熵
3.13 结构化概率模型
第4章 数值计算
4.1 上溢和下溢
4.2 病态条件
4.3 基于梯度的优化方法
4.4 约束优化
4.5 实例: 线性最小二乘
第5章 机器学习基础
5.1 什么是机器学习算法
5.2 模型性能的度量
5.3 过拟合与欠拟合
5.4 超参数和交叉验证
5.5 最大似然估计
5.6 什么是随机梯度下降
5.7 贝叶斯统计
5.8 监督学习算法
5.9 无监督学习算法
5.10 促使深度学习发展的挑战
第6 章深度前馈网络
6.1 什么是“前馈”
6.2 隐藏层
6.3 输出单元
6.4 万能近似性质
6.5 反向传播
第7 章深度学习中的正则化
7.1 参数范数惩罚
7.2 数据集增强
7.3 噪声鲁棒性
7.4 半监督学习
7.5 多任务学习
7.6 提前终止
7.7 参数绑定和参数共享
7.8 稀疏表示
7.9 Bagging和其他集成方法
7.10 Dropout
7.11 对抗训练
第8 章深度模型中的优化
8.1 学习和纯优化有什么不同
8.2 小批量算法
8.3 基本算法
8.4 参数初始化策略
8.5 自适应学习率算法
8.6 二阶近似方法
8.7 一些优化策略
第9章 卷积神经网络
9.1 卷积运算
9.2 为什么要使用卷积运算
9.3 池化
9.4 基本卷积函数的变体
9.5 卷积核的初始化
第10章循环神经网络
10.1 展开计算图
10.2 循环神经网络
10.3 双向RNN
10.4 基于编码-解码的序列到序列架构
10.5 深度循环网络
10.6 递归神经网络
10.7 长短期记忆网络
10.8 门控循环单元
10.9 截断梯度
第11章 实践方法论
11.1 设计流程
11.2 更多的性能度量方法
11.3 默认的基准模型
11.4 要不要收集更多数据
11.5 超参数的调节
11.6 模型调试的重要性
第12章 应用
12.1 大规模深度学习
12.2 计算机视觉中的预处理
12.3 语音识别
12.4 自然语言处理
12.5 推荐系统
12.6 知识问答系统
第13章 初识大语言模型
13.1 大语言模型的背景
13.2 大语言模型的重要性
13.3 大语言模型的应用场景
13.4 大语言模型和传统方法的区别
第14章 大语言模型原理
14.1 Transformer架构
14.2 预训练
14.3 微调
14.4 自回归训练
14.5 掩码语言模型
第15章常见的大语言模型
15.1 GPT系列模型
15.2 BERT
15.3 XLNet
第16章大语言模型应用——自然语言生成
16.1 自动文本生成
16.2 对话系统和聊天机器人
16.3 代码和技术文档生成
16.4 创意内容生成
16.5 国产优秀大语言模型——文心一言
16.6 国产优秀大语言模型——讯飞星火认知大模型
后记
封底
展开 ∨
评论
评分:
1
2
3
4
5
评价:
请输入评论信息
5
0
/255
我要评论
全部评论(0)
默认排序
默认排序
最新排序
相关推荐
人工智能治理新模式:定位、逻辑与实践
姚颉靖著
机器学习原理与应用
王伟主编
AIGC通识教程:微课版
赵建勇,周苏,李眉博主编
人工智能基础:Python实现
李福清,吴炎太主编
AI帮你赢:人人都能用的AI方法论
谭少卿著
人工神经网络在环境科学与工程中的设计应用
赵琦琳,施择,铁程著
基于信息增强的图神经网络学习方法研究
王杰著
人机沟通法则:理解数字世界的设计与形成
(美)前田约翰著
人工智能时代的教育技术及应用
刘毅著
ChatGPT应用从入门到精通
赵玉良,李文荣编著
请输入图形验证码
换一换
Loading...