TensorFlow实战
黄文坚
评分 7.2分
Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）
自己动手写神经网络
葛一鸣
评分 暂无
《自己动手写神经网络》讲解通俗易懂，使用简单的语言描述人工神经网络的原理，并力求以具体实现与应用为导向，除了理论介绍外，每一章节的应用和实践都有具体的实例实现，让读者达到学以致用。《自己动手写神经网络》分为11章，主要内容为：简单的人工神经网络模型和理论应用；介绍了一个基于Java的人工神经网络框架Neuroph；介绍了基于Neuroph开发一个简单的人工神经网络系统—感知机；介绍
神经网络算法与实现
法比奥 (Fábio M.Soares)
人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。 本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络
深度学习
董豪 等
比天空更宽广
[美]杰拉尔德·M. 埃德尔曼
雨果说：世界上最广阔的是大海。比大海更广阔的是天空。比天空更广阔的是人的心灵。《比天空更宽广》探索的即是人的心灵与身体的关联，以及意识的本质的书。诺贝尔奖获得者、神经科学家埃德尔曼博士讨论了科学和医学的最新进展，探索了意识与因果、进化、自我发展的关系，以及感觉、学习和记忆的起源问题。 我们是如何产生感知、思想和情感？诺贝尔奖获得者埃德尔曼试图从神经元的活动来解释
智慧的疆界
周志明
评分 9.1分
这是一部对人工智能充满敬畏之心的匠心之作，由《深入理解Java虚拟机》作者耗时一年完成，它将带你从奠基人物、历史事件、学术理论、研究成果、技术应用等5个维度全面读懂人工智能。 本书以时间为主线，用专业的知识、通俗的语言、巧妙的内容组织方式，详细讲解了人工智能这个学科的全貌、能解决什么问题、面临怎样的困难、尝试过哪些努力、取得过多少成绩、未来将向何方发展，尽可能消除人工智能
深度学习核心技术与实践
猿辅导研究团队
评分 6.4分
scikit learn机器学习
黄永昌
评分 7.9分
TensorFlow深度学习
[意] Giancarlo Zaccone
基于深度学习的自然语言处理
Yoav Goldberg
评分 8.0分
神经网络与PyTorch实战
肖智清
人工智能 （第2版）
[美] 史蒂芬·卢奇（Stephen Lucci）
作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。 本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论
图解深度学习与神经网络：从张量到TensorFlow实现
张平
数字思维
[葡] 阿林多•奥利维拉
评分 8.2分
计算机、细胞和大脑有什么共同之处？计算机是人类设计的电子设备，细胞是经自然进化和选择产生的生物实体，大脑是人类思维的创造者和“容器”。但在某种程度上，它们都是信息处理设备。至今，任何既存的机器和已知的生物都无法与人类大脑的力量相媲美。经过亿万年的进化，大脑帮助人类发明了各种各样的工具和技术，让我们的生存和生活变得更容易，尤其是几乎跟人类大脑同样强大的计算机。 在
深入浅出神经网络与深度学习
[澳]迈克尔·尼尔森（Michael Nielsen）
本书深入讲解神经网络和深度学习技术，侧重于阐释深度学习的核心概念。作者以技术原理为导向，辅以贯穿全书的MNIST手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目。学完本书后，读者将能够编写Python代码解决复杂的模式识别问题。 这是一本非常好的深度学习入门书，相信一定会得到大家的喜爱
用Python实现深度学习框架
张觉非
PyTorch生成对抗网络编程
[英]塔里克·拉希德（Tariq Rashid）
评分 9.3分
畅销书《Python神经网络编程》作者最新力作； 全彩印刷，配套示例代码，图文并茂，易懂实用； 从零开始，用PyTorch构建自己的生成对抗网络。 生成对抗网络（Generative Adversarial Network，GAN）是神经网络领域的一颗新星，被誉为“机器 学习领域近 20 年来最酷的想法”。
图深度学习
马耀
《图深度学习》全面介绍了图深度学习的理论基础、模型方法及实际应用。全书分为4 篇，共15 章。第1 篇为基础理论，重点介绍图和深度学习的基础知识，包括图的关键概念和属性、各种基础的神经网络模型、训练深度学习模型的关键方法以及防止训练过程中过度拟合的实用技术；第2 篇为模型方法，涵盖了从基本设置到高级设置的成熟的图深度学习方法，包括图嵌入、图过滤和池化操作、图对抗攻击和图对抗防御技术
计算物理学
马文淦
评分 6.3分
