香港科技大学计算机科学与工程学系讲座教授、国际人工智能联合会（IJCAI）理事会主席（2017—2019）、深圳前海微众银行首席AI 官 杨强为《深度学习模型及应用详解》一书撰序，他提到现在亟需一本介绍深度学习技术实践的图书，而读完此书他的感受是，“内容全面翔实、条理清晰。从最初的感知机模型到最近的对抗生成网络和深度强化学习，作者都进行了详尽的介绍；从模型的原理、应用的细节到计算框架的选择，作者都进行了全面阐述。相信认真读完本书的读者，一方面会对深度学习的概貌有全局性的了解，既见树木，更见森林；另一方面，可以对一些深度学习的实际应用问题厘清思路，甚至在本书中直接找到解决方案。
不论是深度学习领域的初学者，还是具有经验的工程实践者，都可以从本书中获得启示，做到开卷有益！”
本周六（9月21日），美国微软人工智能与研究院高级研究总监，全球合伙人，《深度学习模型及应用详解》作者 张若非和业内一线技术专家将在机器学习和深度学习技术沙龙中为大家分享精彩的技术内容和圆桌论坛，CSDN 将进行线上同步直播！9月20日，我们还将在直播群内组织抽奖活动，送出活动福利，赶快加入直播活动吧！
直播倒计时
机器学习与深度学习技术沙龙
时间
2019 年9 月21 日 14:00--16:00
观看地址
https://edu.csdn.net/huiyiCourse/detail/1070
直播群周五送福利，马上入群，参与抽奖活动
入群方式：添加小助手，回复：
直播
，加入直播群
主题分享 1：深度学习在大规模在线广告系统中的应用
张若非 美国微软人工智能与研究院高级研究总监，全球合伙人，《深度学习模型及应用详解》作者
主题分享 2：分布式机器学习算法的系统优化
崔斌 北京大学计算机系副主任，长江学者特聘教授，网络与信息系统研究所所长
圆桌论坛
参与留言互动：（1）文末留言；（2）进群留言
提出你的问题，我们将对收集到的所有问题进行甄选，挑选出5个优质问题，提问者也将成为我们的幸运儿，获得活动奖品一份！
本书的初衷
人工智能热激发了大家对深度学习的学习兴趣，但是目前的一些深度学习书籍要么是面向学校和机器学习的研究人员，重理论、少实践且不够实用；要么只是对一些深度学习框架和工具的介绍和翻译，而没有比较全面的深度学习模型的讲解、具体应用的实例及实际使用中经验和注意事项的分享。本书的作者都是在微软人工智能及研究院的研究人员和应用科学家，具有深厚的机器学习背景，在一线针对产品需求和支持的场景进行了大量的深度学习模型及算法的研究和开发，在模型设计、训练、评估、部署、推理优化等模型开发全生命周期积累了丰富的经验。
本书面向的读者是希望学习和运用深度学习模型到具体应用场景的企业工程师、科研院所的学生和科研人员。他们的目的不是找一本教科书从学术角度学习深度学习，像深度学习研究人员一样设计新的模型和算法，而是对深度学习模型和算法做一个基础了解后，快速部署到他们的工作领域，并取得落地成果。这正是我们写作本书的初衷和希望有所贡献的地方：让读者“打基础、读得懂、用得快、重实践、重应用”，重点是建立起分析问题、对问题形式化和应用深度学习建模、使用工具实现模型训练和推理、在实际中需要考虑的约束限制、进行取舍和工程调优等一系列的方法论，从而获得能举一反三解决新的问题的能力。
内容定位
基于这个写作目的，在讲解基础的前提下，侧重在实际应用中让读者快速掌握基于深度学习模型的系统开发，本书的内容覆盖以下几个部分。
第 1 部分
（第1、2 章）讲解深度学习的现状、概念和实现工具。
第 2 部分
（第3~5 章）介绍深度学习在自然语言处理、计算机视觉、预测等应用中常见模型的举例及实现，包括自然语言处理中的词嵌入向量模型；图像理解中普遍使用的卷积神经网络（CNN）及其在物体检测（object detection）方面的应用；应用于机器翻译的递归神经网络模型（RNN）和长短期记忆模型（LSTM）。
第 3 部分
（第6~12 章）介绍学术界和工业界最新的一些高阶深度学习模型和实现，以及它们在互联网搜索、广告、对话机器人、电商等领域的应用，包括：用于对话机器人的DeepProbe 模型；用于单张照片产品识别和属性生成的VPR模型；用于信息检索和语义向量生成的DeepIntent模型；用于文本语义嵌入和匹配的fastText 模型；生成对抗网络（GAN），以及在图像生成和自然语言处理中的应用；强化学习模型的模型结构、训练算法和应用。这些模型和实现都已经应用在微软的众多产品中，并获得了很好的效果。
第 4 部分
（第13 章）是讨论及展望，包括模型在线推理的优化及硬件加速的实现等。最后对目前深度学习技术的局限性做出分析，对其发展方向和下一个浪潮进行展望。
详细日程
点击阅读原文，直接报名
7955
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
