|
|
|
本書介紹了深度學習的基本理論、工程實踐及其在產業界的部署和應用。在深度學習框架的介紹中，書中結合代碼詳細講解了經典的卷積神經網絡、循環神經網絡和基於自注意力機制的Transformer網絡及其變體。還介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。
此外，書中還涵蓋了深度強化學習和生成對抗網絡的前沿進展。在系統工程和產業實踐方面，書中解釋了如何使用分布式系統訓練和部署模型以處理大規模數據。
本書系統介紹了構建深度學習推理系統的過程，並結合代碼講解了分布式深度學習推理系統需要考慮的工程化因素，例如分布式問題和消息隊列，以及從工程化角度出發的解決方法。本書提供了每個經典模型和應用實例的TensorFlow和PyTorch版本代碼，為深度學習初學者和算法開發者提供理論學習、代碼實踐和工程落地的指導與幫助。
本書既適合計算機、自動化、電子、通信、數學、物理等相關專業背景的研究生和高年級本科生，也適合那些希望從事或準備轉向人工智能領域的專業技術人員。
王書浩,清華大學博士，清華大學交叉信息研究院博士後，現為透徹未來聯合創始人與首席技術官，曾先後於百度、異構智能（NovuMind）、京東從事數據科學與人工智能研究，擁有國家發明專利20余項，並於Nature Communications、Modern Pathology、ICCV等頂級期刊/會議發表十餘篇學術論文。曾獲得2019年烏鎮互聯網峰會“30位新生代數字經濟人才”精英獎、Year 2022 Fall Asia-Pacific Signal and Information Processing Association Industrial Distinguished Leaders、阿裡雲“看見新力量”2022年度人物。
徐罡，清華大學博士，現任復旦大學複雜體系多尺度研究院青年副研究員，以第一作者身份在ICCV、Briefings in Bioinformatics、Bioinformatics、Journal of Chemical Theory and Computation與Journal of Chemical Information and Modeling等知名期刊/會議中發表多篇文章。主要研究方向為人工智能在醫療圖像及計算生物學領域中的應用，提出了弱監督框架CAMEL，並使用深度學習框架TensorFlow建立了蛋白質折疊和對接框架，為人工智能和傳統計算生物學領域的結合提供了橋樑。
