共收录 37 本图书
深度学习类电子书精选,持续收录相关领域的经典、热门与新近出版作品。

图解大模型
[沙特] 杰伊·阿拉马尔(Jay Alammar), [荷] 马尔滕·格鲁滕多斯特(Maarten Grootendorst)
pdf人民邮电出版社 · 2025评分 7.8分
本书全程图解式讲解,通过大量全彩插图拆解概念,让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分,依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型(第1~3章),解析语言模型的核心概念,包括词元、嵌入向量及Transformer架构,帮助读者建立基础认知。第二部分 使用预训练语言模型(第4~9章),介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展,提升模型的应用能

数亦有道
王树义, 翟羽佳
epub中国工信出版集团人民邮电出版社 · 2021评分 8.1分

Deep Learning with Python (2/e)
François Chollet
epubManning Publications · 2021评分 9.8分
Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. You’ll learn directly from the creator of Keras, François Chollet, building yo

Easy RL:强化学习教程
王琦, 杨毅远, 江季
pdf人民邮电出版社 · 2022评分 8.5分
强化学习作为机器学习及人工智能领域的一种重要方法,在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。 本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容,在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法,以及策略梯度、近端策略优化、深度Q 网络、

Python深度学习(第2版)
[美] 弗朗索瓦·肖莱
pdf人民邮电出版社 · 2022评分 9.6分
* 深度学习名著重磅升级,涵盖Transformer架构等开创性进展 * 流行深度学习框架Keras之父执笔,文字生动、见解深刻 * 不用一个数学公式,利用直觉自然入门深度学习 近年来,深度学习在自然语言处理、计算机视觉等领域取得了非凡的进展。从机器翻译和文本生成到自动驾驶和虚拟助手,我们受益于深度学习技术的逐渐普及。然而,深度学习

深度学习高手笔记
刘岩
pdf人民邮电出版社 · 2022评分 9.3分
本书通过扎实、详细的内容和清晰的结构,从算法理论、算法源码、实验结果等方面对深度学习算法进行分析和介绍。本书共三篇,第一篇主要介绍深度学习在计算机视觉方向的一些卷积神经网络,从基础骨干网络、轻量级 CNN、模型架构搜索 3 个方向展开,介绍计算机视觉方向的里程碑算法;第二篇主要介绍深度学习在自然语言处理方向的重要突破,包括基础序列模型和模型预训练;第三篇主要介绍深度学习在模型优化上的进展,包

深度学习入门2
[日]斋藤康毅
pdf人民邮电出版社 · 2023评分 9.3分
“鱼书”《深度学习入门:基于Python的理论与实现》作者又一力作。 手把手带你创建深度学习框架,直击现代深度学习框架本质! ◎ 编辑推荐 • 简明易懂,讲解详细 本书延续前作的行文风格,采用通俗的语言和大量直观的示意图详细讲解,帮助读者加深对PyTorch、TensorFlow和Chainer等现代深度学习框架

理解深度学习
西蒙 J D 普林斯
暂无资源清华大学出版社 · 2025评分 8分
一部权威、通俗、前沿的深度学习指南。 从机器学习基础知识到前沿模型,本书精选关键理论与尖端主题,以直观形式呈现高密度的核心知识。 涵盖热门主题:如Transformer模型与扩散模型( Difusion Model ) . 化繁为简:先以通俗语言阐释复杂概念,再辅以数学公式与视觉图解深入解析。 实践导向:引导读者动手实现模型的初级版本。 配套资源丰富:提供教师课件、习题及Python版Notebo

图解 Skill
宝玉
暂无资源人民邮电出版社 · 2026评分 7.8分
知名 AI 应用专家宝玉结合自身实战经验,撰写了这本技能实操指南,旨在帮助读者将个人经验转化为智能体可执行的技能,摆脱“AI 工具人”困境,真正实现工作自动化。 全书遵循“先实践后沉淀”的学习路径,带你从跑通第一个技能入手,逐步构建专属的多技能 AI 自动化工作流。作者手把手教你掌握:3 个单技能模板、1 条组合式写作工作流、1 套技能工程方法论、1 次从零开始完整迭代的技能项目实战。 本书不绑定

人工智能通识基础(人文艺术浙江大学新一代人工智能通识系列教材)
暂无资源
全书共分为12章,循序渐进地带领学生走进AI的世界。第1至7章系统阐述AI基础,从历史溯源到核心要素,涵盖搜索算法、机器学习、深度学习、大语言模型及图像生成模型(GMM、GAN、DM)的原理与发展,构建AI知识体系。第8至11章聚焦AI应用,介绍图像理解、图像生成、文本生成及智能体的实践方法,展示AI在多领域的应用潜力。第12章探讨AI伦理,分析人机交互挑战、伦理原则应用及治理策略,提出可信赖AI

PyTorch高级机器学习实战 ChatGP背后的逻辑
暂无资源
本书讲解了经典的高级机器学习算法原理与知识,包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络,以及强化学习等内容,同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现,并且在各章节配备实战环节,内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。<br> 本书附赠所有案例的源代码及各类

Python深度学习 基于TensorFlow
暂无资源

深度学习:卷积神经网络从入门到精通
李玉鑑 张婷 单传辉 刘兆英
PDF机械工业出版社 · 2018
本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代雏形、突破模型、应变模型、加深模型、跨连模型、区域模型、分割模型、特殊模型、强化模型和顶尖成就。这

深入理解计算机视觉:关键算法解析与深度神经网络设计
张晨然
EPUB电子工业出版社 · 2023
本书对二维、三维目标检测技术涉及的骨干网络及入门必备的计算机视觉算法进行全面的介绍。本书由浅入深地介绍了MNIST、ImageNet、CIFAR、波士顿房产、ModelNet等经典二维、三维数据集和相关国际赛事,还介绍了TensorFlow中的二维卷积层、全连接层、激活层、池化层、批次归一化层、随机失活层的算法和梯度下降原理,AlexNet、VGG、ResNet、DarkNet、CSP-DarkN

光学
赵凯华, 钟锡华
PDF北京大学出版社 · 2018评分 8.4分
《光学(重排本)》是根据作者在北京大学物理系讲授光学课程的讲义修改补充而成。本书内容丰富,以波动光学为重点,并以“波前”这一概念为纽带联接现代变换光学与传统光学,反映了本学科的现代面貌。书中附有较多的思考题和习题。 全书主要内容:几何光学、波动光学基本原理、干涉装置和光场的时空相干性、衍射光栅、傅里叶变换光学、全息照相、光在晶体中的传播、光的吸收、色散和散射、光的量子性和激光。 本书可作为高等院校

Web安全之深度学习实战
刘焱
暂无资源机械工业出版社 · 2018评分 6.3分
在现今的互联网公司中,产品线绵延复杂,安全防御体系无时无刻不在应对新的挑战。哪怕是拥有丰富工作经验的安全从业者,在面对层出不穷的攻击手段和海量日志数据时也会望洋兴叹。机器学习、深度学习是这些问题天然契合的解决方案,在数据量以指数级不断增长的未来,甚至有可能是唯一的出路。当AI遇到安全时,如何快速进化,本书给出了实战方案。 本书是《Web安全之机器学习入门》之后又一作品。本书首先介绍如何打造自己

深度学习:语音识别技术实践
柳若边
EPUB清华大学出版社 · 2019评分 3.1分
语音识别已经逐渐进入人们的日常生活。语音识别技术是涉及语言、计算机、数学等领域的交叉学科。本书介绍了包括 C#、Perl、Pvthon、Java 在内的多种编程语言实践,开源语音识别工具包 Kaldi 的使用与代码分析,深度学习的开发环境搭建,卷积神经网络,以及语音识别中常见的语言模型一一N元模型和依存模型等,让读者快速了解语音识别基础,掌握开发语音识别程序的算法。 本书从语音识别的基础开始讲起,

Python计算机视觉和自然语言处理
[西]阿尔瓦罗•莫雷纳•阿尔贝罗拉(Álvaro Morena Alberola), [西]贡萨洛•莫利纳•加列戈(Gonzalo Molina Gallego), [西]乌奈•加雷•马埃斯特雷(Unai Garay Maestre)
暂无资源人民邮电出版社 · 2021

TensorFlow自然语言处理
[澳] Thushan Ganegedara
暂无资源机械工业出版社评分 7.1分
通过阅读这本书,可以学习如何和深度学习去解决许多有趣的NLP问题。 所有的技术音节都附有练习,这些练习会指导读者逐步实现NLP系统。 所有练习都基于Python的TensorFlow(一种流行的分布式计算库)实现,可以非常方便地实现深度神经网络。 第1章:对NLP的简单介绍。 第2章:对Python TensorFlow库的介绍。 第3章:使用 TensorFlow 解决 NLP 任务。 第4章:

Deep Learning with Keras
Antonio Gulli, Sujit Pal
暂无资源Packt Publishing - ebooks Account · 2017评分 7.8分

Introduction to Deep Learning
Eugene Charniak
暂无资源MIT Press
This concise, project-driven guide to deep learning takes readers through a series of program-writing tasks that introduce them to the use of deep learning in such areas of artificial intelligence as

Natural Language Processing with Transformers
Lewis Tunstall, Leandro von Werra, Thomas Wolf
PDFO'Reilly Media · 2022评分 7.9分
Since their introduction in 2017, Transformers have quickly become the dominant architecture for achieving state-of-the-art results on a variety of natural language processing tasks. If you're a data

计算机视觉实战:基于TensorFlow 2
本杰明·普朗什(Benjamin Planche)
暂无资源机械工业出版社 · 2021
计算机视觉解决方案日益普及,在医疗、汽车、社交媒体和机器人等领域取得了不错的进展。 《计算机视觉实战:基于TensorFlow 2》将帮助你了解全新版本的谷歌机器学习开源框架TensorFlow 2,你将掌握如何使用卷积神经网络(CNN)完成视觉任务。 《计算机视觉实战:基于TensorFlow 2》从计算机视觉和深度学习基础知识开始,教你如何从头开始构建神经网络。你将掌握一些让Tenso

Grokking Deep Learning
Andrew Trask
PDFManning Publications · 2017评分 8.4分
Grokking Deep Learning teaches you to build deep learning neural networks from scratch! In his engaging style, seasoned deep learning expert Andrew Trask shows you the science under the hood, so you g

Generative Deep Learning
David Foster
PDFO'Reilly Media · 2019评分 7.7分
Generative modeling is one of the hottest topics in artificial intelligence. Recent advances in the field have shown how it’s possible to teach a machine to excel at human endeavors—such as drawing, c

边做边学深度强化学习:PyTorch程序设计实践
[日] 小川雄太郎(Yutaro ogawa)
EPUB机械工业出版社 · 2020评分 7分

深度学习图像识别技术:基于TensorFlow和OpenVINO工具套件
EPUB机械工业出版社

PyTorch神经网络实战:移动端图像处理
EPUB
本书主要介绍人工智能研究领域中神经网络的PyTorch架构,对其在多个领域的应用进行系统性的归纳和梳理。书中的案例有风景图分类、人像前景背景分割、低光照图像增法、动漫头像生成、画风迁移、风格转换等,对每项视觉任务的研究背景、应用价值、算法原理、代码实现和移动端部署流程进行了详细描述,并提供相应的源码,适合读者从0到1构建移动端智能应用。 本书适合对人工智能实际应用感兴趣的本科生、研究生、深度学习

Python深度学习实战
英德拉·丹·巴克
pdf2018
本书以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案,包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度学习开源框架用于实际问题的解决方案及其优缺点。本书内容包括:用于深度学习的编程环境、GPU计算和云端解决方案;前馈神经网络与卷积神经网络;循环与递归神经网络;强化学习与生成对抗网络;

机器学习——原理、算法与应用
雷明
PDF清华大学出版社 · 2019
机器学习是当前解决很多人工智能问题的核心技术,自2012年以来,深度学习的出现带来了人工智能复兴。本书是机器学习和深度学习领域的入门与提高教材,紧密结合工程实践与应用,系统、深入地讲述机器学习与深度学习的主流方法与理论。全书由23章组成,共分为三大部分。第1~3章为第一部分,介绍机器学习的基本原理、所需的数学知识(包括微积分、线性代数、最优化方法和概率论),以及机器学习中的核心概念。第4~22章为