深度学习详解

;

副标题：无;

作者: 王琦 编著；杨毅远 编著；江季 编著;

内容简介：

​ 本书根据李宏毅老师“机器学习”公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括BERT和GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法。

在理论严谨的基础上，本书保留了公开课中大量生动有趣的例子，帮助读者从生活化的角度理解深度学习的概念、建模过程和核心算法细节。

目录预览：

​ 深度学习详解
版权信息
内容提要
致谢
前言
资源与支持
主要符号表
第1章 机器学习基础
1.1 案例学习
1.2 线性模型
第2章 实践方法论
2.1 模型偏差
2.2 优化问题
2.3 过拟合
2.4 交叉验证
2.5 不匹配
参考资料
第3章 深度学习基础
3.1 局部最小值与鞍点
3.2 批量和动量
3.3 自适应学习率
3.4 学习率调度
3.5 优化总结
3.6 分类
3.7 批量归一化
参考资料
第4章 卷积神经网络
4.1 观察1：检测模式不需要整幅图像
4.2 简化1：感受野
4.3 观察2：同样的模式可能出现在图像的不同区域
4.4 简化2：共享参数
4.5 简化1和简化2的总结
4.6 观察3：下采样不影响模式检测
4.7 简化3：汇聚
4.8 卷积神经网络的应用：下围棋
参考资料
........