深度學習經(jīng)典教程（pytorch版 套裝共2冊）

　　9787115461476 深度學習 168.00 9787115600820 動手學深度學習（PyTorch版） 109.80《深度學習》 《深度學習》由全球知名的三位專家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰寫，是深度學習領(lǐng)域奠基性的經(jīng)典教材。全書的內(nèi)容包括3個部分：第 1部分介紹基本的數(shù)學工具和機器學習的概念，它們是深度學習的預備知識；第 2部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學習方法和技術(shù)；第3部分討論某些具有前瞻性的方向和想法，它們被公認為是深度學習未來的研究重點。《深度學習》適合各類讀者閱讀，包括相關(guān)專業(yè)的大學生或研究生，以及不具有機器學習或統(tǒng)計背景、但是想要快速補充深度學習知識，以便在實際產(chǎn)品或平臺中應用的軟件工程師。 《動手學深度學習（PyTorch版）》 本書是《動手學深度學習》的重磅升級版本，選用經(jīng)典的PyTorch深度學習框架，旨在向讀者交付更為便捷的有關(guān)深度學習的交互式學習體驗。 本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術(shù)的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎(chǔ)知識和預備知識，并由線性模型引出最簡單的神經(jīng)網(wǎng)絡——多層感知機；第二部分闡述深度學習計算的關(guān)鍵組件、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、注意力機制等大多數(shù)現(xiàn)代深度學習應用背后的基本工具；第三部分討論深度學習中常用的優(yōu)化算法和影響深度學習計算性能的重要因素，并分別列舉深度學習在計算機視覺和自然語言處理中的重要應用。本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術(shù)人員和研究人員。閱讀本書需要讀者了解基本的Python編程知識及預備知識中描述的線性代數(shù)、微分和概率等基礎(chǔ)知識。

　　《深度學習》 作者簡介Ian Goodfellow，谷歌公司（Google） 的研究科學家，2014 年蒙特利爾大學機器學習博士。他的研究興趣涵蓋大多數(shù)深度學習主題，特別是生成模型以及機器學習的安全和隱私。Ian Goodfellow 在研究對抗樣本方面是一位有影響力的早期研究者，他發(fā)明了生成式對抗網(wǎng)絡，在深度學習領(lǐng)域貢獻卓 越。Yoshua Bengio，蒙特利爾大學計算機科學與運籌學系（DIRO） 的教授，蒙特利爾學習算法研究所（MILA） 的負責人，CIFAR 項目的共同負責人，加拿大統(tǒng)計學習算法研究主席。Yoshua Bengio 的主要研究目標是了解產(chǎn)生智力的學習原則。他還教授“機器學習”研究生課程（IFT6266），并培養(yǎng)了一大批研究生和博士后。Aaron Courville，蒙特利爾大學計算機科學與運籌學系的助理教授，也是LISA 實驗室的成員。目前他的研究興趣集中在發(fā)展深度學習模型和方法，特別是開發(fā)概率模型和新穎的推斷方法。Aaron Courville 主要專注于計算機視覺應用，在其他領(lǐng)域，如自然語言處理、音頻信號處理、語音理解和其他AI 相關(guān)任務方面也有所研究。中文版審校者簡介張志華，北京大學數(shù)學科學學院統(tǒng)計學教授，北京大學大數(shù)據(jù)研究中心和北京大數(shù)據(jù)研究院數(shù)據(jù)科學教授，主要從事機器學習和應用統(tǒng)計學的教學與研究工作。 譯者簡介趙申劍，上海交通大學計算機系碩士研究生，研究方向為數(shù)值優(yōu)化和自然語言處理。黎彧君，上海交通大學計算機系博士研究生，研究方向為數(shù)值優(yōu)化和強化學習。符天凡，上海交通大學計算機系碩士研究生，研究方向為貝葉斯推斷。李凱，上海交通大學計算機系博士研究生，研究方向為博弈論和強化學習。 《動手學深度學習（PyTorch版）》 作者簡介：阿斯頓.張（Aston Zhang），亞馬遜資深科學家，美國伊利諾伊大學香檳分校計算機科學博士，統(tǒng)計學和計算機科學雙碩士。他專注于機器學習和自然語言處理的研究，榮獲深度學習國際頂級學術(shù)會議ICLR杰出論文獎、ACM UbiComp杰出論文獎以及ACM SenSys最佳論文獎提名。他擔任過EMNLP領(lǐng)域主席和AAAI資深程序委員。扎卡里.C. 立頓（Zachary C. Lipton），美國卡內(nèi)基梅隆大學機器學習和運籌學助理教授，并在海因茨公共政策學院以及軟件和社會系統(tǒng)系擔任禮節(jié)性任命。他領(lǐng)導著近似正確機器智能（ACMI）實驗室，研究涉及核心機器學習方法、其社會影響以及包括臨床醫(yī)學和自然語言處理在內(nèi)的各種應用領(lǐng)域。他目前的研究重點包括處理各種因果結(jié)構(gòu)下分布變化的穩(wěn)健和自適應算法、超越預測為決策提供信息（包括應對已部署模型的戰(zhàn)略響應）、醫(yī)學診斷和預后預測、算法公平性和可解釋性的基礎(chǔ)。他是“Approximately Correct”博客的創(chuàng)始人，也是諷刺性漫畫“Superheroes of Deep Learning”的合著者。李沐（Mu Li），亞馬遜資深首席科學家（Senior Principal Scientist），美國加利福尼亞大學伯克利分校、斯坦福大學客座助理教授，美國卡內(nèi)基梅隆大學計算機系博士。他曾任機器學習創(chuàng)業(yè)公司Marianas Labs的CTO和百度深度學習研究院的主任研發(fā)架構(gòu)師。他專注于機器學習系統(tǒng)和機器學習算法的研究。他在理論與應用、機器學習與操作系統(tǒng)等多個領(lǐng)域的頂級學術(shù)會議上發(fā)表過論文，被引用上萬次。亞歷山大.J. 斯莫拉（Alexander J. Smola），亞馬遜副總裁/杰出科學家，德國柏林工業(yè)大學計算機科學博士。他曾在澳大利亞國立大學、美國加利福尼亞大學伯克利分校和卡內(nèi)基梅隆大學任教。他發(fā)表過超過300篇學術(shù)論文，并著有5本書，其論文及書被引用超過15萬次。他的研究興趣包括深度學習、貝葉斯非參數(shù)、核方法、統(tǒng)計建模和可擴展算法。譯者簡介：何孝霆（Xiaoting He），亞馬遜應用科學家，中國科學院軟件工程碩士。他專注于對深度學習的研究，特別是自然語言處理的應用（包括語言模型、AIOps、OCR），相關(guān)工作落地于眾多企業(yè)。他擔任過ACL、EMNLP、NAACL、EACL等學術(shù)會議的程序委員或?qū)徃迦恕Ｈ鸪眱?胡（Rachel Hu），亞馬遜應用科學家，美國加利福尼亞大學伯克利分校統(tǒng)計學碩士，加拿大滑鐵盧大學數(shù)學學士。她致力于將機器學習應用于現(xiàn)實世界的產(chǎn)品。她也是亞馬遜人工智能團隊的講師，教授自然語言處理、計算機視覺和機器學習商業(yè)應用等課程。她已向累計1000余名亞馬遜工程師教授機器學習，其公開課程視頻在YouTube和嗶哩嗶哩上廣受好評。