学深度学习已经可以有这么多选择,是时候出份书单了

之前给大家推荐过多次Python书单,今天打算给大家推荐一份深度学习的书单,刚刚看了一下,不知不觉已经有这么多深度学习书出版了。

1、深度学习实战手册 R语言版

作者: [印度]普拉卡什(Prakash) ,阿丘图尼·斯里·克里希纳·拉奥(Achyutuni Sri Krishna Rao)

译者: 王洋洋

  • 深度学习与R语言强强联手
  • 使用TensorFlow、H2O和MXNet解决复杂的神经网络问题
  • 全彩印刷,在异步社区免费下载源代码和彩图文件

本书将深度学习和R语言两者结合起来,帮助你解决深度学习实战中所遇到的各种问题,并且教会你掌握深度学习、神经网络和机器学习的高级技巧。本书从R语言中的各种深度学习软件包和软件库入手,带领你学习复杂的深度学习算法。首先,从构建各种神经网络模型开始,而后逐步过渡到深度学习在文本挖掘和信号处理中的应用,同时还比较了CPU和GPU的性能。

2、深度学习与飞桨PaddlePaddle Fluid实战

作者: 于祥

  • 百度飞桨PaddlePaddle技术人员深度解析
  • 涵盖飞桨设计思想与核心技术、解析飞桨移动端底层技术
  • 详解8种CV、NLP的工业级经典案例,提供源码下载资源深度学习

本书基于新的飞桨PaddlePaddle Fluid版本,以真实的应用案例介绍如何用飞桨PaddlePaddle解决主流的深度学习问题。全书共14章。本书首先介绍了什么是飞桨PaddlePaddle,然后介绍了其核心设计思想,进而紧紧结合案例介绍了飞桨PaddlePaddle在主流的图像任务领域、NLP领域的应用,最后还探讨了Paddle-Mobile与Anakin框架等高级主题。附录A和B给出了飞桨PaddlePaddle与TensorFlow、Caffe框架的接口中常用层的对比。

本书非常适合对人工智能感兴趣的学生、从事机器学习相关工作的读者阅读,尤其适合想要通过飞桨PaddlePaddle掌握深度学习应用技术的研究者和从业者参考。

3、深度学习

作者: 【美】Ian Goodfellow(伊恩·古德费洛) 【加】Yoshua Bengio(约书亚·本吉奥) 【加】Aaron Courville(亚伦·库维尔)

译者: 赵申剑 ,黎彧君 ,李凯 ,符天凡

  • AI圣经
  • deeplearning中文版2018年图灵奖获奖者作品,业内人称“花书”
  • 人工智能机器学习深度学习领域奠基性经典畅销书

本书囊括了数学及相关概念的背景知识,包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时,它还介绍了工业界中实践者用到的深度学习技术,包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等,并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后,本书还提供了一些研究方向,涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。

4、动手学深度学习

作者: 阿斯顿·张(Aston Zhang) 李沐(Mu Li) [美] 扎卡里·C. 立顿(Zachary C. Lipton) [德] 亚历山大·J. 斯莫拉(Alexander J. Smola)

  • 人工智能机器学习深度学习领域重磅教程图书
  • Amazon科学家作品
  • 交互式实战环境下动手学深度学习的全新模式 原理与实战紧密结合

目前市面上有关深度学习介绍的书籍大多可分两类,一类侧重方法介绍,另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用,还包含可运行的代码,为读者展示如何在实际中解决问题。为了给读者提供一种交互式的学习体验,本书不但提供免费的教学视频和讨论区,而且提供可运行的Jupyter记事本文件,充分利用Jupyter记事本能将文字、代码、公式和图像统一起来的优势。这样不仅直接将数学公式对应成实际代码,而且可以修改代码、观察结果并及时获取经验,从而带给读者全新的、交互式的深度学习的学习体验。

本书面向希望了解深度学习,特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。本书不要求读者有任何深度学习或者机器学习的背景知识,读者只需具备基本的数学和编程知识,如基础的线性代数、微分、概率及Python编程知识。本书的附录中提供了书中涉及的主要数学知识,供读者参考。

5、PyTorch深度学习

作者: [印度]毗湿奴•布拉马尼亚(Vishnu Subramanian)

译者: 王海玲 ,刘江峰

  • 使用PyTorch开发神经网络的实用指南
  • 深度学习框架PyTorch入门教程 涵盖机器学习 神经网络 计算机视觉应用等知识
  • 提供本书彩图和源代码下载

本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性,PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起,然后介绍了为现代深度学习提供驱动力的多个基础模块,还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念(比如ResNet、DenseNet、Inception和Seq2Seq)进行了阐述,但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法,以及用来生成文本和图像的复杂神经网络(如生成网络),也在本书中有所涵盖。
学完本书后,读者可以使用PyTorch轻松开发深度学习应用程序。

6、深度学习案例精粹

作者: Ahmed Menshawy

译者: 洪志伟 ,曹檑 ,廖钊坡

  • Python深度学习机器学习教程
  • 机器学习实战,Tensorflow实战教程
  • Tensorflow自然语言处理,Python从入门到实践
    本书主要讲述了深度学习中的重要概念和技术,并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念,然后讲述如何使用TensorFlow训练深度学习模型,以及如何通过训练深度前馈神经网络对数字进行分类,如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的实际问题,最后讨论了高级的深度学习模型,如生成对抗网络及其应用。

7、 Keras深度学习实战

作者: [意大利]安东尼奥·古利(Antonio Gulli) [印度]苏伊特·帕尔(Sujit Pal)

译者: 王海玲 ,李昉

  • 人工智能深度学习教程,Keras快速上手
  • 基于Keras的Python实践
  • Keras深度学习实践应用,提升AI编程能力

本书结合大量实例,简明扼要地介绍了目前热门的神经网络技术和深度学习技术。从经典的多层感知机到用于图像处理的深度卷积网络,从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络,从词嵌入到AI游戏应用中的强化学习,本书带领读者一层一层揭开深度学习的面纱,并在逐渐清晰的理论框架下,提供多个Python编码实例,方便读者动手实践。

发布了475 篇原创文章 · 获赞 275 · 访问量 85万+
展开阅读全文

没有更多推荐了,返回首页

分享到微信朋友圈

×

扫一扫,手机浏览