机读格式显示(MARC)

• 000 01956nam 2200301 450

• 001 0000760924

• 005 20250618221700.0

• 010 __ |a 978-7-115-65103-7 |d CNY109.80

• 100 __ |a 20241029d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 破解深度学习 |A po jie shen du xue xi |i 核心篇 |e 模型算法与实现 |f 瞿炜, 李力, 杨洁著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2024

• 215 __ |a 248页 |c 彩图 |d 24cm

• 300 __ |a 异步图书

• 314 __ |a 瞿炜, 美国伊利诺伊大学人工智能博士, 哈佛大学、京都大学客座教授 ; 前中国科学院大学教授、模式识别国家重点实验室客座研究员 ; 国家部委特聘专家、重点实验室学术委员会委员 ; 知名国际期刊编委, 多个顶级学术期刊审稿人及国际学术会议委员。李力, 人工智能专家, 长期致力于计算机视觉和强化学习领域的研究与实践。曾在多家顶尖科技企业担任资深算法工程师, 拥有十余年行业经验, 具备丰富的技术能力和深厚的理论知识。杨洁, 人工智能和自然语言处理领域资深应用专家, 在自然语言理解、基于知识的智能服务、跨模态语言智能、智能问答系统等技术领域具有深厚的实战背景。她曾在教育、医疗等行业的知名企业担任关键职位, 拥有十年以上的行业管理经验, 成功领导并实施了多个创新项目, 擅长引领团队将复杂的理论转化为实际应用, 解决行业中的关键问题。

• 330 __ |a 本书旨在采用一种符合读者认知角度, 且能提升其学习效率的方式来讲解深度学习背后的核心知识、原理和内在逻辑, 带领读者实现从理论到实战、从入门到进阶的跨越。全书先介绍复杂CNN、RNN和注意力机制网络, 深入详解各类主流模型及其变体 ; 从第4章开始介绍前述三类基础模型的组合体, 即概率生成模型 ; 在第5章和第6章着重介绍应用, 展现这些复杂模型在计算机视觉和自然语言处理两大领域的实战示例 ; 最后在第7章探讨了生成式大模型的内在原理及其发展趋势。

• 517 1_ |a 模型算法与实现 |A mo xing suan fa yu shi xian

• 517 1_ |a 核心篇 |A he xin pian

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 瞿炜 |A qu wei |4 著

• 701 _0 |a 李力 |A li li |4 著

• 701 _0 |a 杨洁 |A yang jie |4 著

• 801 _0 |a CN |b WFKJXY |c 20250618

• 905 __ |a WFKJXY |d TP181/464:1