深度学习 - 第1页

本书由百度官方出品，百度公司 CTO 王海峰博士作序，张钹院士、李未院士、百度集团副总裁吴甜联袂推荐。 本书遵循“内容全面、由浅入深、注重实践”的原则，基于飞桨 PaddlePaddle 深度学习平台，较为全面地覆盖了学习深度学习技术所必须具备的基础知识以及深度学习主要核心技术，包括相关的数学基础、Python 编程基础、机器学习基础以及正向/反向传播算法、卷积神经网络、循环神经网络等，尽量做到读

《PaddlePaddle 深度学习实战》是围绕百度开源深度学习框架 PaddlePaddle 编写的实践型技术书籍，内容涵盖深度学习基础理论与实际项目开发流程。全书从神经网络基本概念入手，逐步讲解卷积神经网络、循环神经网络、自然语言处理、计算机视觉等常见模型，并结合 PaddlePaddle 框架进行代码实现与案例演示。书中强调动手实践，通过完整示例帮助读者理解模型训练、调参、部署等关键步骤。该

《深度学习：方法及应用》介绍了深度学习的理论与实践。全书围绕深度神经网络展开，从基础概念、典型网络结构、训练技巧到具体的应用案例如语音识别、计算机视觉、自然语言处理和多模态学习等领域进行了全面阐述。每章既讲述方法原理，也注重展示应用效果与实战案例，有助于读者理解深度学习技术如何在信号与信息处理任务中产生变革性影响。该书适合作为高等院校人工智能与机器学习课程的教材，也适合从业者和技术爱好者作为入门与

深度学习是目前人工智能研究中前沿、有效的一项技术，主要通过构建深度神经网络解决视觉、自然语言处理、语音识别等诸多领域的问题。百度在 2016 年发布了国内首个开源深度学习框架 PaddlePaddle，简化了深度学习算法的实现步骤，提供了灵活、易用的接口，同时支持分布式训练。 《PaddlePaddle 与深度学习应用实战》由简单的例子引入深度学习和 PaddlePaddle 框架，介绍了 Pad

本书的内容设置由浅入深，从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者，还是有一定经验的从业人员，相信都能从本书的不同章节中有所收获。区别于其他推荐算法书籍，本书引入了已被实践证明效果较好的深度学习推荐技术，包括 Word2Vec、Wide & Deep、DeepFM、GAN 等技术应用，并给出了相关的实践代码；除了在算法层面讲解推荐系统的实现，还从工程层面详细阐述推荐系统如何

本书主要内容包括 PyTorch 中的计算图，用三阶多项式拟合函数，实现手写数字识别，神经网络基础，卷积神经网络，PyTorch 基础知识，transformer 架构，文本分类应用开发，聊天机器人应用开发，用 Wav2Vec2 进行语音识别，机器翻译应用开发，分布式 PyTorch 等。

本书是《神经网络与深度学习》的配套实践书，由复旦大学邱锡鹏教授和百度飞桨团队合作完成。 本书在章节设计上和《神经网络与深度学习》一一对应，并以模型解读 + 案例实践的形式进行介绍。模型解读主要聚焦如何从零开始一步步实现深度学习中的各种模型和算法，并结合简单的任务来加深读者对模型和算法的理解；案例实践主要强调如何使用飞桨预定义 API 来更好地完成实际任务，会涉及一些数据预处理问题。 建议读者将本书

《深度学习推荐系统 2.0》由王喆编著，是面向推荐系统算法实践的一本专业技术著作。本书在深度学习推荐系统知识体系的基础上，进一步结合推荐算法和人工智能技术的发展，系统讨论现代推荐系统的核心架构、算法模型和工程实践。全书关注如何利用机器学习与深度学习技术解决真实推荐场景中的用户兴趣建模和内容匹配问题。全书围绕推荐系统的核心流程展开，重点介绍召回、排序、特征工程、用户行为建模以及深度学习推荐模型等内容

《智能问答与深度学习》围绕“如何让机器理解文本并回答问题”展开，从人工智能与信息论的发展脉络讲起，逐步介绍智能问答系统的类型、自然语言处理基础以及机器学习和深度学习在文本任务中的应用。基础部分涉及文本预处理、特征表示、词向量、经典机器学习方法和神经网络，为后续理解复杂模型建立必要知识。书中不仅介绍算法名称，也尽量结合代码和实际文本任务说明模型如何训练和使用。进一步的内容进入文本分类、语义匹配、深度

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的 PyTorch 框架，运用 Python 语言实现了各种深度学习的应用程序，让理论和实践紧密结合。