本书通过扎实、详细的内容和清晰的结构，从算法理论、算法源码、实验结果等方面对深度学习算法行分析和介绍。本书共三篇，篇主要介绍深度学习在计算机视觉方向的一些卷积神经网络，从基础骨干网络、轻量级 CNN、模型架构搜索 3 个方向展，介绍计算机视觉方向的里程碑算法；第二篇主要介绍深度学习在自然语言处理方向的重要突破，包括基础序列模型和模型预训练；第三篇主要介绍深度学习在模型优化上的展，包括模型优化方法。 通过阅读本书，读者可以深理解主流的深度学习基础算法，搭建起自己的知识体系，领会算法的本质，学习模型优化方法。无论是从事深度学习科研的教师及学生，还是从事算法落地实践的工作人员，都能从本书中获益。<br/>【推荐语】<br/>有别于以卷积神经网络、循环神经网络等基础概念为核心的同类书籍，本书梳理了近10年来深度学习方向诞生的算法，从算法理论、算法源码、实验结果等方面对算法行分析和介绍，重讨论深度学习在卷积神经网络、自然语言处理、模型优化等方向的发展历程以及各个算法的优缺，分析各个算法是如何针对先前算法的若干问题提出解决方案的。 本书共三篇，篇卷积神经网络，从基础骨干网络、轻量级CNN、模型架构搜索3个方向展，介绍计算机视觉方向的里程碑算法；第二篇自然语言处理，介绍基础序列模型和模型预训练；第三篇模型优化，介绍模型优化方法。<br/>【作者】<br/>刘岩, 澳门大学计算机科学专业硕士, 目前就职于零售-技术与数据中心。在学生期间从事人工智能相关研究，发表多篇计算机视觉、自然语言处理等方向的专利和学术论文。毕业后从事深度学习相关工作，擅长前沿人工智能算法的原理分析和应用落地，擅长计算机视觉、自然语言处理等方向的技术, 先后参与并负责了多个深度学习算法在不同场景的业务落地，如光学字符识别、公式识别、人脸识别、手势识别、视频抠像、文本分类 命名实体识别、预训练语言模型、语音识别、图神经网络等。目前主要负责电商场景下预训练语言模型的研发以及舆情风险的智能识别与治理。他的知乎账号: 大师兄。<br/>
評論0