官术网_书友最值得收藏!

COMSOL Multiphysics工程實(shí)踐與理論仿真

本書是一本介紹什么是數(shù)值模擬技術(shù)，以及數(shù)值模擬技術(shù)如何與工程科學(xué)相結(jié)合，基于COMSOLMultiphysics解決實(shí)際工程問題的書。全書涉及實(shí)際工程問題的方方面面，涉及聲學(xué)、結(jié)構(gòu)力學(xué)、流體力學(xué)、熱量傳遞、質(zhì)量運(yùn)移、電磁場(chǎng)計(jì)算、化學(xué)反應(yīng)工程分析等等，是真正的多物理數(shù)值仿真的入門指導(dǎo)書。作者希望通過本書，能讓讀者理解數(shù)值仿真技術(shù)的真諦，以及這些理論知識(shí)應(yīng)該如何與實(shí)際相結(jié)合。進(jìn)一步，或許讀者能夠領(lǐng)悟經(jīng)驗(yàn)豐富的數(shù)值仿真工程師會(huì)如何思考問題，慢慢吸收這些經(jīng)驗(yàn)為自己所用。

·8.2萬字

Python機(jī)器學(xué)習(xí)入門與實(shí)戰(zhàn)

本書以零基礎(chǔ)講解為特色，用實(shí)例引導(dǎo)讀者學(xué)習(xí)，深入淺出地介紹Python機(jī)器學(xué)習(xí)的相關(guān)知識(shí)和實(shí)戰(zhàn)技能。全書共17章，分為5篇。第Ⅰ篇為機(jī)器學(xué)習(xí)入門篇，包含第1章，主要介紹機(jī)器學(xué)習(xí)的概念、機(jī)器學(xué)習(xí)研究的主要任務(wù)、如何選擇合適的算法及機(jī)器學(xué)習(xí)研究問題的一般步驟等；第Ⅱ篇為工具模塊使用篇，包含第2~4章，主要介紹數(shù)組計(jì)算NumPy、數(shù)據(jù)分析Pandas、圖形展示Matplotlib等；第Ⅲ篇為專業(yè)技能提升篇，包含第5~13章，主要介紹算法綜述、決策樹、樸素貝葉斯、邏輯回歸、支持向量機(jī)、AdaBoost、線性回歸、k-means、PCA等；第Ⅳ篇為深度學(xué)習(xí)延伸篇，包含第14章，主要介紹卷積神經(jīng)網(wǎng)絡(luò)；第Ⅴ篇為項(xiàng)目技能實(shí)戰(zhàn)篇，包含第15~17章，主要介紹驗(yàn)證碼識(shí)別、答題卡識(shí)別、機(jī)器學(xué)習(xí)簡歷指導(dǎo)等。同時(shí)，本書隨書贈(zèng)送了大量相關(guān)的學(xué)習(xí)資料，以便讀者擴(kuò)展學(xué)習(xí)。本書適用于任何想學(xué)習(xí)Python機(jī)器學(xué)習(xí)的讀者。無論讀者是否從事Python相關(guān)工作，是否接觸過Python，均可通過學(xué)習(xí)本書快速掌握Python機(jī)器學(xué)習(xí)的開發(fā)方法和技巧。

·17.9萬字

深度學(xué)習(xí)視頻理解

視頻理解是計(jì)算機(jī)視覺和深度學(xué)習(xí)的一個(gè)重要分支。本書對(duì)視頻理解的3個(gè)重要領(lǐng)域進(jìn)行介紹，對(duì)于每個(gè)領(lǐng)域，本書不僅解釋了相關(guān)算法的原理，還梳理了算法演進(jìn)的脈絡(luò)。全書共分6章，第1章簡要介紹視頻行業(yè)的發(fā)展歷程；第2章回顧經(jīng)典圖像分類模型和RNN；第3章和第4章介紹動(dòng)作識(shí)別的重要算法；第5章介紹時(shí)序動(dòng)作定位的重要算法；第6章介紹視頻Embedding的重要算法。最后總結(jié)了常用的一些視頻處理工具。本書既適合高等院校人工智能相關(guān)專業(yè)的本科生和研究生閱讀，也可供視頻理解、推薦系統(tǒng)、搜索引擎和計(jì)算廣告等領(lǐng)域的研究人員和從業(yè)者參考。

·13.2萬字

自動(dòng)駕駛算法與芯片設(shè)計(jì)

目前自動(dòng)駕駛的一個(gè)發(fā)展趨勢(shì)就是智能化。隨著人工智能的飛速發(fā)展以及各種新型傳感器的涌現(xiàn)，汽車智能化形成趨勢(shì)，輔助駕駛功能的滲透率越來越高。這些功能的實(shí)現(xiàn)需要借助于攝像頭、雷達(dá)、激光雷達(dá)等新增的傳感器數(shù)據(jù)，其中視頻處理需要大量并行計(jì)算。然而，傳統(tǒng)CPU算力不足，而DSP擅長圖像處理，對(duì)于深度學(xué)習(xí)卻缺乏足夠的性能。盡管GPU擅長訓(xùn)練，但它過于耗電，影響汽車的性能。因此，本書著眼于未來，認(rèn)為定制化的ASIC必將成為主流。本書以自動(dòng)駕駛的芯片設(shè)計(jì)為最終目標(biāo)，來論述設(shè)計(jì)一個(gè)面向未來的自動(dòng)駕駛SoC芯片的學(xué)術(shù)支撐和工程實(shí)踐。本書共13章。其中第1章主要介紹自動(dòng)駕駛目前遇到的挑戰(zhàn)和研究方向。第2～6章重點(diǎn)講述環(huán)境感知以及規(guī)劃控制方面的算法設(shè)計(jì)；第7～10章重點(diǎn)講述深度學(xué)習(xí)模型的優(yōu)化和深度學(xué)習(xí)芯片的設(shè)計(jì)；第11章和第12章重點(diǎn)講述具有安全功能的自動(dòng)駕駛軟件架構(gòu)設(shè)計(jì)；第13章介紹5G車聯(lián)網(wǎng)。

·15.7萬字

AI公文寫作一本通：用ChatGPT和文心一言提高公文寫作質(zhì)量和寫作效率

公文寫作是各類組織機(jī)構(gòu)都會(huì)涉及的一項(xiàng)重要工作，但傳統(tǒng)的公文寫作存在容易出錯(cuò)、風(fēng)格不一致、效率低等問題。在人工智能（AI）技術(shù)快速發(fā)展的浪潮中，公文寫作這項(xiàng)工作也可以借助AI完成“升級(jí)”，實(shí)現(xiàn)質(zhì)量和效率的提升。本書共17章，第1章以《黨政機(jī)關(guān)公文處理工作條例》為依據(jù)，介紹公文的特點(diǎn)、作用、寫作要點(diǎn)、分類等；第2章介紹常用的AI寫作工具；第3章至第17章按照“用公文范本訓(xùn)練AI，撰寫提示詞，優(yōu)化提示詞，精修初稿”的思路，分別介紹運(yùn)用AI工具撰寫15類公文的具體方法。此外，第3章至第17章還提供了各類公文的常用句式及金句，供讀者參考使用。

·10.8萬字

樹莓派創(chuàng)客：手把手教你搭建機(jī)器人

本書遵循由淺入深、由易到難的原則，循序漸進(jìn)地介紹使用樹莓派玩轉(zhuǎn)機(jī)器人的必備軟硬件知識(shí)與技術(shù)。全書共8章，第1~4章為樹莓派入門部分，主要介紹樹莓派軟硬件、Scratch和Python編程語言以及各種傳感器的使用，并提供豐富的操作案例，方便讀者輕松構(gòu)建樹莓派項(xiàng)目。本部分學(xué)會(huì)之后，讀者基本上可以掌握使用樹莓派軟硬件與第三方軟硬件協(xié)同工作，搭配和使用傳感器親手搭建一個(gè)簡單的用于巡線且自動(dòng)跟隨和停止的機(jī)器無人車。第5~8章為提高部分，本部分深入地介紹樹莓派的各種高級(jí)玩法，還將介紹更多、更加智能的第三方軟硬件，比如近年來火熱的人工智能系列傳感器以及機(jī)器人操作系統(tǒng)ROS的使用，同時(shí)兼顧PC和手機(jī)操作，為讀者玩轉(zhuǎn)機(jī)器人提供更多的趣味場(chǎng)景。本書的特點(diǎn)是使用低成本硬件，趣味性和可操作性強(qiáng)，適合對(duì)樹莓派及機(jī)器人感興趣的各類讀者閱讀。

·6.3萬字

Spark機(jī)器學(xué)習(xí)進(jìn)階實(shí)戰(zhàn)

本書一共分三大部分：基礎(chǔ)篇（1-2章）對(duì)Spark機(jī)器學(xué)習(xí)進(jìn)行概述、并通過Spark機(jī)器學(xué)習(xí)開始進(jìn)行數(shù)據(jù)分析；算法篇（3-8章）針對(duì)分類、聚類、回歸、協(xié)同過濾、關(guān)聯(lián)規(guī)則、降維等算法進(jìn)行詳細(xì)講解，并進(jìn)行案例支持；綜合案例篇（9-12章）重點(diǎn)通過異常檢測(cè)、用戶畫像、廣告點(diǎn)擊率預(yù)估、智慧交通大數(shù)據(jù)4個(gè)綜合場(chǎng)景，詳細(xì)講解基于Spark機(jī)器學(xué)習(xí)的綜合應(yīng)用。

·11.2萬字

深入淺出圖神經(jīng)網(wǎng)絡(luò)：GNN原理解析

這是一本從原理、算法、實(shí)現(xiàn)、應(yīng)用4個(gè)維度詳細(xì)講解圖神經(jīng)網(wǎng)絡(luò)的著作，在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域具有重大的意義。本書作者是圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的資深技術(shù)專家，作者所在的公司極驗(yàn)也是該領(lǐng)域的領(lǐng)先者。本書是作者和極驗(yàn)多年研究和實(shí)踐經(jīng)驗(yàn)的總結(jié)，內(nèi)容系統(tǒng)、扎實(shí)、深入淺出，得到了白翔、俞棟等幾位來自學(xué)術(shù)界和企業(yè)界的領(lǐng)軍人物的高度評(píng)價(jià)和強(qiáng)烈推薦。全書共10章：第1～4章全面介紹了圖、圖數(shù)據(jù)、卷積神經(jīng)網(wǎng)絡(luò)以及表示學(xué)習(xí)等基礎(chǔ)知識(shí)，是閱讀本書的預(yù)備知識(shí)；第5～6章從理論的角度出發(fā)，講解了圖信號(hào)處理和圖卷積神經(jīng)網(wǎng)絡(luò)，深入剖析了圖卷積神經(jīng)網(wǎng)絡(luò)的性質(zhì)，并提供了GCN實(shí)現(xiàn)節(jié)點(diǎn)分類的實(shí)例。第7～9章全面的講解了圖神經(jīng)網(wǎng)絡(luò)的各種變體及范式、圖分類機(jī)制及其實(shí)踐，以及基于GNN的圖表示學(xué)習(xí)；第10章介紹了圖神經(jīng)網(wǎng)絡(luò)的最新研究和應(yīng)用。

·8.9萬字

AI加速器架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)

這是一本講解NPU硬件架構(gòu)設(shè)計(jì)與技術(shù)實(shí)現(xiàn)的著作。作者將自己在CPU、GPU和NPU領(lǐng)域15年的軟硬件工作經(jīng)驗(yàn)融會(huì)貫通，將四代NPU架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)融為一體，將端側(cè)和云側(cè)NPU架構(gòu)合二為一，總結(jié)并提煉出本書內(nèi)容。本書主要討論神經(jīng)網(wǎng)絡(luò)硬件層面，尤其是芯片設(shè)計(jì)層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡(luò)的分析、神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計(jì)以及具體實(shí)現(xiàn)技術(shù)。通過閱讀本書，讀者可以深入了解主流的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，掌握如何從零開始設(shè)計(jì)一個(gè)能用、好用的產(chǎn)品級(jí)加速器。通過閱讀本書，你將：透徹理解與深度學(xué)習(xí)相關(guān)的機(jī)器學(xué)習(xí)算法及其實(shí)現(xiàn)；學(xué)會(huì)主流圖像處理領(lǐng)域神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)；掌握加速器運(yùn)算子系統(tǒng)和存儲(chǔ)子系統(tǒng)的設(shè)計(jì)；摸清加速器設(shè)計(jì)中遇到的具體問題及其解決方法；了解NPU架構(gòu)需要考慮的控制通路和數(shù)據(jù)通路。

·6萬字

智能硬件與機(jī)器視覺：基于樹莓派、Python和OpenCV

本書圍繞“低成本玩轉(zhuǎn)樹莓派”這個(gè)主題，講解了如何利用樹莓派、OpenCV和Python等軟硬件搭建一個(gè)低成本的智能硬件平臺(tái)，并在其上實(shí)現(xiàn)圖像分析、文字識(shí)別、人臉識(shí)別與追蹤、視頻監(jiān)控等機(jī)器視覺功能。全書一共11章。第1～4章首先講解了機(jī)器視覺在智能硬件領(lǐng)域的應(yīng)用場(chǎng)景以及智能硬件上4種常見的機(jī)器視覺技術(shù)方案；然后講解了樹莓派和OpenCV的安裝、配置以及其他準(zhǔn)備工作；最后通過一些簡單的案例和代碼教讀者使用OpenCV。第5～11章是本書的核心內(nèi)容，通過幾個(gè)具體的綜合案例講解了如何使用樹莓派低成本玩轉(zhuǎn)如下機(jī)器視覺場(chǎng)景：拍攝照片和視頻、處理相機(jī)的原始數(shù)據(jù)、道路和商場(chǎng)的人流統(tǒng)計(jì)、道路信息的文字識(shí)別、人臉識(shí)別與追蹤、中央AI視頻監(jiān)控等。以上案例循序漸進(jìn)，環(huán)環(huán)相扣，所有代碼均可在樹莓派上運(yùn)行，并可輕松移植到任何ARM開發(fā)板上。

·9.1萬字

從零構(gòu)建大模型

本書是關(guān)于如何從零開始構(gòu)建大模型的指南，由暢銷書作家塞巴斯蒂安·拉施卡撰寫，通過清晰的文字、圖表和實(shí)例，逐步指導(dǎo)讀者創(chuàng)建自己的大模型。在本書中，讀者將學(xué)習(xí)如何規(guī)劃和編寫大模型的各個(gè)組成部分、為大模型訓(xùn)練準(zhǔn)備適當(dāng)?shù)臄?shù)據(jù)集、進(jìn)行通用語料庫的預(yù)訓(xùn)練，以及定制特定任務(wù)的微調(diào)。此外，本書還將探討如何利用人工反饋確保大模型遵循指令，以及如何將預(yù)訓(xùn)練權(quán)重加載到大模型中。

·13.8萬字

人形機(jī)器人（原書第2版）

本書結(jié)合人形機(jī)器人研究中各類先進(jìn)方法，系統(tǒng)地介紹了驅(qū)動(dòng)人形機(jī)器人運(yùn)動(dòng)的基礎(chǔ)知識(shí)、推導(dǎo)過程以及應(yīng)用案例，闡述了人形機(jī)器人的運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)表示方法，解釋了ZMP的概念及其與地面反作用力的關(guān)系，描述了人形機(jī)器人雙足行走行為的生成和控制方法，并拓展了其他多種動(dòng)作的實(shí)現(xiàn)方法，最后介紹了動(dòng)力學(xué)建模、仿真和高效動(dòng)力學(xué)的計(jì)算方法。

·8.7萬字

集成運(yùn)動(dòng)控制系統(tǒng)工程實(shí)戰(zhàn)

本書包括集成運(yùn)動(dòng)控制系統(tǒng)技術(shù)基礎(chǔ)、組建入門、集成案例三部分。技術(shù)基礎(chǔ)部分主要介紹整個(gè)系統(tǒng)涵蓋的基本理論知識(shí)，包括運(yùn)動(dòng)控制系統(tǒng)的概述、運(yùn)動(dòng)控制系統(tǒng)電氣基礎(chǔ)及現(xiàn)場(chǎng)總線控制等內(nèi)容；組建入門部分基于施耐德電氣的運(yùn)動(dòng)控制產(chǎn)品展開，介紹了各產(chǎn)品的硬件使用及軟件的基本配置，并結(jié)合簡單的實(shí)例闡述每種設(shè)備的基本應(yīng)用，然后在此基礎(chǔ)上詳細(xì)介紹了典型總線控制方式的實(shí)現(xiàn)；集成案例部分共有5個(gè)綜合系統(tǒng)案例，詳細(xì)闡述了系統(tǒng)的設(shè)計(jì)方案和實(shí)現(xiàn)步驟，供讀者進(jìn)行綜合實(shí)踐鍛煉。

·9.3萬字

玩轉(zhuǎn)ChatGPT：秒變AI論文寫作高手

人工智能技術(shù)已經(jīng)滲透到人類生活和工作的方方面面，ChatGPT作為一種人工智能文字處理工具，現(xiàn)在已經(jīng)被廣泛地應(yīng)用于廣告文案創(chuàng)作、視頻腳本生成、小說劇本創(chuàng)作、公文寫作等眾多領(lǐng)域。接受和擁抱人工智能是每一個(gè)人都要面對(duì)的必然選擇。本書作者非常系統(tǒng)地介紹了用戶如何用AI工具ChatGPT寫出高質(zhì)量的論文，重點(diǎn)介紹了ChatGPT在學(xué)士論文、碩士論文、博士論文、科研論文、職稱評(píng)定論文、項(xiàng)目申報(bào)論文六大類論文寫作中的具體應(yīng)用。本書最大的特點(diǎn)是使用了大量的案例演示來展示ChatGPT的實(shí)際運(yùn)用，包括具體的使用方法和技巧。書中的案例不僅數(shù)量龐大，而且邏輯嚴(yán)謹(jǐn)、結(jié)構(gòu)完整，更重要的是說明簡潔、精準(zhǔn)。本書可以幫助讀者快速掌握用ChatGPT寫作論文的方法和技巧。

·11.2萬字

生成式AI實(shí)戰(zhàn)

本書由淺入深地介紹了生成式AI的理論與實(shí)踐，內(nèi)容涉及從基礎(chǔ)原理到前沿應(yīng)用，為讀者提供了一個(gè)系統(tǒng)的認(rèn)知框架。本書從生成式AI技術(shù)的基礎(chǔ)工具入手，逐步深入到Transformer模型與GPT的原理和應(yīng)用，詳細(xì)介紹了圖像生成模型StableDiffusion，以及LangChain與AIAgent的相關(guān)知識(shí)。書中結(jié)合開源代碼分析，展示了生成式AI在各行各業(yè)的實(shí)際應(yīng)用，并探討了其在高速發(fā)展過程中所面臨的倫理和隱私風(fēng)險(xiǎn)。本書適合對(duì)生成式AI感興趣的讀者閱讀，無論你是初學(xué)者還是有一定編程基礎(chǔ)的人士，都能從中獲得寶貴的知識(shí)和經(jīng)驗(yàn)。對(duì)于零編程基礎(chǔ)的讀者，本書提供了跳過代碼實(shí)現(xiàn)的理論學(xué)習(xí)路徑。

·11.7萬字

深度學(xué)習(xí)：核心技術(shù)、工具與案例解析

本書由微軟亞洲研究院的資深A(yù)I工程師撰寫，是一本面向初學(xué)者的、以實(shí)戰(zhàn)為導(dǎo)向的深度學(xué)習(xí)指南。本書首先詳細(xì)講解了深度學(xué)習(xí)的知識(shí)體系、核心概念、模型與算法、工具和庫（TensorFlow等）等全棧技術(shù)知識(shí)，然后以案例的形式講解了如何將這些知識(shí)應(yīng)用到計(jì)算機(jī)視覺、自然語言處理、語音識(shí)別、對(duì)話機(jī)器人、人臉識(shí)別、自動(dòng)駕駛領(lǐng)域。

·9.6萬字

知識(shí)圖譜實(shí)戰(zhàn)：構(gòu)建方法與行業(yè)應(yīng)用

這是一本綜合介紹知識(shí)圖譜構(gòu)建與行業(yè)實(shí)踐的著作，是作者多年從事知識(shí)圖譜與認(rèn)知智能應(yīng)用落地經(jīng)驗(yàn)的總結(jié)，得到了多位知識(shí)圖譜資深專家的推薦。本書以通俗易懂的方式來講解知識(shí)圖譜相關(guān)的知識(shí)，尤其對(duì)從零開始構(gòu)建知識(shí)圖譜過程中需要經(jīng)歷的步驟，以及每個(gè)步驟需要考慮的問題都給予較為詳細(xì)的解釋。本書基于實(shí)際業(yè)務(wù)進(jìn)行抽象，結(jié)合知識(shí)圖譜的7個(gè)構(gòu)建步驟，深入分析知識(shí)圖譜技術(shù)應(yīng)用以及8個(gè)行業(yè)綜合案例的設(shè)計(jì)與實(shí)現(xiàn)。全書分為基礎(chǔ)篇、構(gòu)建篇、實(shí)踐篇，共16章內(nèi)容。基礎(chǔ)篇（第1章），介紹知識(shí)圖譜的定義、分類、發(fā)展階段，以及構(gòu)建方式、邏輯技術(shù)架構(gòu)、現(xiàn)狀與應(yīng)用場(chǎng)景等。構(gòu)建篇（第2～8章），詳細(xì)介紹知識(shí)抽取、知識(shí)表示、知識(shí)融合、知識(shí)存儲(chǔ)、知識(shí)建模、知識(shí)推理、知識(shí)評(píng)估與運(yùn)維等知識(shí)圖譜構(gòu)建的核心步驟，并結(jié)合實(shí)例講解應(yīng)用方法。實(shí)踐篇（第9～16章），詳細(xì)講解知識(shí)圖譜的綜合應(yīng)用，涵蓋知識(shí)問答評(píng)測(cè)、知識(shí)圖譜平臺(tái)、智能搜索、圖書推薦系統(tǒng)、開放領(lǐng)域知識(shí)問答、交通領(lǐng)域知識(shí)問答、汽車領(lǐng)域知識(shí)問答、金融領(lǐng)域推理決策。

·13.8萬字

大模型應(yīng)用開發(fā)：核心技術(shù)與領(lǐng)域?qū)嵺`

本書由科大訊飛與中國科大的大模型的資深專家聯(lián)合撰寫，一本書打通大模型的技術(shù)原理與應(yīng)用實(shí)踐壁壘，深入大模型3步工作流程，詳解模型微調(diào)、對(duì)齊優(yōu)化、提示工程等核心技術(shù)及不同場(chǎng)景的微調(diào)方案，全流程講解6個(gè)典型場(chǎng)景的應(yīng)用開發(fā)實(shí)踐。本書共10章，從邏輯上分為“基礎(chǔ)知識(shí)”“原理與技術(shù)”“應(yīng)用開發(fā)實(shí)踐”三部分。基礎(chǔ)知識(shí)（第1章）介紹大模型定義、應(yīng)用現(xiàn)狀、存在的問題，以及發(fā)展趨勢(shì)。原理與技術(shù)（第2和3章）詳細(xì)講解大模型的構(gòu)建流程、Transformer模型，以及模型微調(diào)、對(duì)齊優(yōu)化、提示工程等核心技術(shù)，之后介紹了推理優(yōu)化、大模型訓(xùn)練、大模型評(píng)估、大模型部署等拓展技術(shù)。應(yīng)用開發(fā)實(shí)踐（第4～10章）詳細(xì)講解大模型插件應(yīng)用開發(fā)、RAG實(shí)踐，以及智能客服問答、學(xué)科知識(shí)問答、法律領(lǐng)域應(yīng)用、醫(yī)療領(lǐng)域應(yīng)用、智能助寫平臺(tái)等多領(lǐng)域的實(shí)踐。

·12.3萬字

PyTorch 2.0深度學(xué)習(xí)從零開始學(xué)

PyTorch是一個(gè)開源的機(jī)器學(xué)習(xí)框架，它提供了動(dòng)態(tài)計(jì)算圖的支持，讓用戶能夠自定義和訓(xùn)練自己的神經(jīng)網(wǎng)絡(luò)，目前是機(jī)器學(xué)習(xí)領(lǐng)域中的框架之一。《PyTorch2.0深度學(xué)習(xí)從零開始學(xué)》共分15章，內(nèi)容包括PyTorch概述、開發(fā)環(huán)境搭建、基于PyTorch的MNIST分類實(shí)戰(zhàn)、深度學(xué)習(xí)理論基礎(chǔ)、MNIST分類實(shí)戰(zhàn)、數(shù)據(jù)處理與模型可視化、基于PyTorch卷積層的分類實(shí)戰(zhàn)、PyTorch數(shù)據(jù)處理與模型可視化、實(shí)戰(zhàn)ResNet卷積網(wǎng)絡(luò)模型、有趣的WordEmbedding、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的中文情感分類實(shí)戰(zhàn)、自然語言處理的編碼器、站在巨人肩膀上的預(yù)訓(xùn)練模型BERT、自然語言處理的解碼器、基于PyTorch的強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)、基于MFCC的語音喚醒實(shí)戰(zhàn)、基于PyTorch的人臉識(shí)別實(shí)戰(zhàn)。

·11.3萬字

Mahout算法解析與案例實(shí)戰(zhàn)

·10.6萬字