TensorFlow深度学习——深入理解人工智能算法…

人工智能是近年来全球*为火热的研究领域之一，尤其是随着深度学习算法研究的突破，人工智能技术被应用到图片识别、机器翻译、语音助手、自动驾驶等一系列领域中，取得了前所未有的智能水平。深度学习算法涵盖的内容非常前沿和广袤，国内外出版的相关书籍并不算多，有些侧重于理论层面的推导，有些侧重于框架API的介绍，鲜有能结合深度学习算法理论和实战讲解的教材。为了使读者能够深刻理解深度学习算法精髓，本书以探索问题式叙述风格展，从*简单的人工智能问题手，一步步地引导读者分析和解决并发现新的问题，重温当年算法设计人员的探索之路。本书介绍了深度学习算法所需要的基础数学理论、TensorFlow 2.x框架的基本使用方法、回归问题、分类问题、反向传播算法、梯度下降算法、过拟合、全连网络、卷积神经网络、循环神经网络、自编码器、生成对抗网络、强化学习、迁移学习等主流和前沿知识。针对每个算法或模型，本书均详细分析了采用TensorFlow框架的实现方法，并基于多个常见的经典数据集行了算法模型的实战，如基于MNIST和CIFAR10数据集的图片识别实战、基于IMDB数据集的文本分析实战、基于动漫头像数据集的图片生成实战和基于OpenAI Gym环境的平衡杆游戏实战等。通过原理与实战结合的方式，读者可*限度地理解算法理论，同时提升工程实现能力。本书可作为高等院校人工智能课程的教材，也可供从事人工智能、深度学习算法研究与发人员自学或参考。
【推荐语】
本书适合初学者快速门深度学习算法和TensorFlow框架。我们已讲故事的方式向读者一步步地介绍每个核心算法，非常详细地剖析算法原理，手把手实现每个算法实战，不但让读者能够了解算法的工作原理，更重要的是教会读者如何一步步地思考问题并解决问题。具体地，我们会介绍目前深度学习的数学原理，反向传播算法，卷积神经网络，循环神经网络，对抗生产网络，自编码器，神经网络结构搜索，图卷积网络等等一系列前沿核心算法。使读者不仅可以明白原理，还能学以致用。内容讲解细致，没有数学基础的读者也能轻松门。内容全面：系统介绍了深度学习算法的理论知识和主流算法模型，如AlexNet、ResNet、DenseNet、LSTM、GRU、GAN、DQN、PPO等，详细剖析了每个算法的理论推导过程和应用场合。 实用性强：采用TensorFlow 2.x*框架行实战，通过大量案例实现了计算机视觉、自然语言处理、强化学习等方向的主流算法，读者能够通过实际项目来掌握算法思想。 资源丰富：源了全部课程源代码、课件、本书Github仓库已收获超9300个Star数，并被“机器之心”、“量子位”等媒体报导。
【作者】
龙良曲，澳洲在读博士，曾任新加坡国立大学助理研究员，在深度学习领域有非常丰富的理论和实践基础，在网易云课程发布2门S级课程。