- Main
- Computers - Computer Science
- Introduction to Deep Learning
Introduction to Deep Learning
Eugene Charniakคุณชอบหนังสือเล่มนี้มากแค่ไหน
คุณภาพของไฟล์เป็นอย่างไรบ้าง
ดาวน์โหลดหนังสือเพื่อประเมินคุณภาพของไฟล์
คุณภาพของไฟล์ที่คุณดาวน์โหลดมาเป็นอย่างไรบ้าง
A project-based guide to the basics of deep learning.
This concise, project-driven guide to deep learning takes readers through a series of program-writing tasks that introduce them to the use of deep learning in such areas of artificial intelligence as computer vision, natural-language processing, and reinforcement learning. The author, a longtime artificial intelligence researcher specializing in natural-language processing, covers feed-forward neural nets, convolutional neural nets, word embeddings, recurrent neural nets, sequence-to-sequence learning, deep reinforcement learning, unsupervised models, and other fundamental concepts and techniques. Students and practitioners learn the basics of deep learning by working through programs in Tensorflow, an open-source machine learning framework. “I find I learn computer science material best by sitting down and writing programs,” the author writes, and the book reflects this approach.
Each chapter includes a programming project, exercises, and references for further reading. An early chapter is devoted to Tensorflow and its interface with Python, the widely used programming language. Familiarity with linear algebra, multivariate calculus, and probability and statistics is required, as is a rudimentary knowledge of programming in Python. The book can be used in both undergraduate and graduate courses; practitioners will find it an essential reference.
This concise, project-driven guide to deep learning takes readers through a series of program-writing tasks that introduce them to the use of deep learning in such areas of artificial intelligence as computer vision, natural-language processing, and reinforcement learning. The author, a longtime artificial intelligence researcher specializing in natural-language processing, covers feed-forward neural nets, convolutional neural nets, word embeddings, recurrent neural nets, sequence-to-sequence learning, deep reinforcement learning, unsupervised models, and other fundamental concepts and techniques. Students and practitioners learn the basics of deep learning by working through programs in Tensorflow, an open-source machine learning framework. “I find I learn computer science material best by sitting down and writing programs,” the author writes, and the book reflects this approach.
Each chapter includes a programming project, exercises, and references for further reading. An early chapter is devoted to Tensorflow and its interface with Python, the widely used programming language. Familiarity with linear algebra, multivariate calculus, and probability and statistics is required, as is a rudimentary knowledge of programming in Python. The book can be used in both undergraduate and graduate courses; practitioners will find it an essential reference.
หมวดหมู่:
ปี:
2019
ฉบับพิมพ์ครั้งที่:
1
สำนักพิมพ์:
The MIT Press
ภาษา:
english
จำนวนหน้า:
192
ISBN 10:
0262039516
ISBN 13:
9780262039512
ซีรีส์:
The MIT Press
ไฟล์:
PDF, 16.33 MB
แท็กของคุณ:
IPFS:
CID , CID Blake2b
english, 2019
อ่านออนไลน์
- ดาวน์โหลด
- pdf 16.33 MB Current page
- Checking other formats...
- แปลงเป็น
- ปลดล็อกการแปลงไฟล์ขนาดใหญ่กว่า 8 MBPremium
ไฟล์จะถูกส่งไปยังที่อยู่อีเมลของคุณ อาจใช้เวลา 1-5 นาที ก่อนที่คุณจะได้รับ
ไฟล์จะถูกส่งไปยังบัญชี Telegram ของคุณภายใน 1-5 นาที
สำคัญ: กรุณาตรวจสอบให้แน่ใจว่าคุณได้เชื่อมโยงบัญชีของคุณกับบอตของ Z-Library ใน Telegram
ไฟล์จะถูกส่งไปยังอุปกรณ์ Kindle ของคุณภายใน 1-5 นาที
หมายเหตุ: คุณต้องยืนยันหนังสือทุกเล่มที่คุณจะส่งไปยัง Kindle ของคุณ ตรวจสอบกล่องจดหมายเข้าของคุณเพื่อค้นหาอีเมลยืนยันจาก Amazon Kindle Support
กำลังแปลงเป็น อยู่
การแปลงเป็น ล้มเหลว
สิทธิประโยชน์ของบัญชีแบบพรีเมียม
- ส่งไฟล์ไปยังเครื่อง eReader
- ขีดจำกัดการดาวน์โหลดที่เพิ่มขึ้น
- สามารถแปลงไฟล์ได้
- ผลการค้นหาเพิ่มเติม
- สิทธิประโยชน์อื่นๆ