《深度学习入门：基于Python的理论与实现》是日本深度学习领域的经典入门畅销书。原版上市后热度颇高，不足2年印刷量就达到100,000册，长期在日亚“人工智能”类图书中位居榜首，收获众多五星好评。本书以Python 3为工具，在尽量不依赖外部库或工具的情况下，带领读者从零开始创建深度学习模型。书中示例代码清晰，源代码可供下载，运行环境简单，便于读者边读书边执行程序。作者采用平实的语言，结合直观的插图与具体例子，将深度学习原理讲解得简明易懂。同时，使用计算图介绍复杂的误差反向传播法，十分直观。内容不仅涵盖深度学习和神经网络的基础知识，还对误差反向传播法、卷积神经网络等进行深入讲解，也介绍了相关…...
深度学习
共7篇文章 · 0人关注
-
夸克网盘 黄佳 AI 应用实战课：从基础到精通
本课程由 AI 专家黄佳主讲，是一门全面且深入的 AI 应用实战课程。课程涵盖监督学习、无监督学习、强化学习等核心理论知识，同时深入实战环节，如 Jupyter Notebook 的使用，以及机器学习框架 scikit - learn、Matplotlib 和 Seaborn 等工具的应用。通过丰富的实际案例，像预测直播带货销售额、医疗数据集分析、电商用户生命周期价值预测等，帮助学员掌握 AI 项目实战的五大环节。课程内容还包括深度学习领域，如 Pytorch 框架、CNN 网络图像分类、RNN 时序预测等。最后介绍大语言模型及 LangChain 开发框架，并讲解如何构建垂直行业问答系统。无…...
-
夸克网盘 0基础 AI入门实战：深度学习与Pytorch案例教程
0基础 AI入门实战：深度学习与Pytorch案例教程这是一套专为零基础学习者打造的AI入门实战课程，聚焦深度学习与Pytorch框架。课程通过通俗易懂的讲解方式，结合大量0基础入门案例，助力跨专业人士实现技能提升。课程内容丰富全面，从神经网络的任务分析、模型更新方法，到卷积神经网络、RNN网络结构原理等均有涉及。还对Pytorch框架与其他框架的区别、安装方法进行解读，并通过众多实际操作案例，如训练分类模型、图像数据处理、文本数据处理等，让学习者深入掌握深度学习的应用。其特色在于以零基础为出发点，案例实战贯穿始终，便于理解与上手。无论是对AI领域感兴趣的初学者，还是希望拓展技能的跨专业人员，…...
-
夸克网盘 推荐系统工程师实战：15周深度学习与企业级项目课程
本课程专为有志成为推荐系统工程师的学习者精心打造。课程涵盖机器学习基础到高级推荐算法等全面内容。在15周的学习过程中，学员将系统掌握内容画像、用户画像、传统与深度匹配方法、经典排名算法、图嵌入技术、深度排名模型等核心技能。课程的一大特色在于理论与实践紧密结合。不仅有丰富的理论知识讲解，还设置了多个企业级项目实战环节，让学员能够将所学知识切实应用到实际工作场景中，有效提升解决实际问题的能力。此外，课程还贴心安排了项目总结、部署以及职业规划、面试指导等内容，助力学员全方位发展，在激烈的职场竞争中脱颖而出。无论是对推荐系统领域感兴趣的初学者，还是希望提升现有技能的专业人士，本课程都能满足你的需求，是…...
-
夸克网盘 2023年最新AI技术学习指南资料包
这份2023年5月的AI技术学习资源资料包极具价值，适合AI初学者和专业人士。它涵盖人工智能基础理论、应用案例及前沿技术，共包含7份精选资料。其中，有关于深度学习的相关资料，如《深度学习革命》深入剖析深度学习领域变革；《李沐深度学习-pytorch》由知名人士李沐所涉，以pytorch为基础讲解深度学习知识；《深度学习LeeDL_Tutorial_v.1.0.2》也为深度学习学习提供助力。在智能算法方面，《多场景下的推荐词的智能算法》针对推荐词的智能算法展开探讨。此外，还有关于LangChain的学习资料，如《LangChain学习教程》以及相关框架图示和思维导图，帮助学习者掌握LangCha…...
-
夸克网盘 AI算法工程师就业班：掌握全面知识，迈向高薪领域
本课程专为有志成为AI算法工程师的学习者打造。课程内容丰富全面，从人工智能基础讲起，涵盖Python编程、数据处理等基础知识，为后续深入学习筑牢根基。在机器学习和深度学习板块，详细讲解了各类算法和框架，如TensorFlow和PyTorch等，让学员掌握核心技术。课程的一大特色是注重理论与实践结合，设有Kaggle竞赛、推荐系统开发等实战项目。学员不仅能学到AI算法的核心理论，还能通过实际操作积累经验，提升解决复杂问题的能力。无论是想入门人工智能领域的初学者，还是希望进一步提升技能的在职者，都能从本课程中收获颇丰。通过系统学习，学员将为进入高薪的AI领域奠定坚实基础，开启职业发展的新篇章。...
-
夸克网盘 高级深度学习算法工程师课程
介绍这是一门专为算法工程师打造的高级深度学习进阶课程。课程内容系统且深入，涵盖了深度学习的多个关键领域。在深度学习理论方面，从优化问题讲起，深入剖析神经网络，通过实战案例让学习者掌握神经网络建模、激活函数与优化方法等核心知识。在图像相关领域，课程详细讲解了图像分类、目标检测与图像分割。介绍卷积的基本概念，深入分析AlexNet、LeNet、ResNet、VGGNet等典型卷积神经网络模型，并通过实战加深对模型的理解与应用。对于图像分割，从基础理论到Deconvolution与空洞卷积、U - Net、DeepLab v3等模型的实战应用都有涉及。此外，课程还包含分布式深度学习系统、深度学习前沿…...
