本书系统地讲解了深度学习技术，阐明核心概念和实践编程技术，是开发者、数据科学家、分析师，以及之前没有机器学习或统计经验的人员人员的理想选择。
本书介绍了深度神经网络的人工神经元和全连接、卷积和循环层等基本构建模块，展示了如何使用它们来构建先进的架构。书中还讲解了如何使用这些概念构建计算机视觉和自然语言处理（NLP）网络，包括Mask R-CNN、GPT和BERT。此外，书中还描述了自然语言翻译器和能根据图像内容生成自然语言系统的原理。

无

计算机\人工智能

本书系统讲解了深度学习核心概念和实践编程技术，是开发者、数据科学家、分析师，以及对机器学习、深度学习感兴趣的读者的理想选择。
本书介绍了深度神经网络中人工神经元、全连接层、卷积层和循环层等基本构建模块，展示了如何使用它们来构建先进的架构；还讲解了如何使用这些概念构建计算机视觉和自然语言处理（NLP）网络，包括Mask R-CNN、GPT和BERT。此外，还描述了自然语言翻译和根据图像内容生成自然语言系统的原理。
本书基于TensorFlow和Keras提供了简洁、注释良好的代码示例，还提供了相应的PyTorch示例，涵盖了工业和学术界关于深度学习的两个主要Python库。最后，介绍了神经结构搜索（NAS），并探索了重要的伦理问题，为进一步学习深度学习提供了资源。
通过本书，你将掌握：
感知器、基于梯度的学习、Sigmoid神经元和反向传播等；
使用深度学习框架开发复杂和好用的神经网络；
利用卷积神经网络（CNN）进行图像的分类和分析；
将循环神经网络（RNN）和长短期记忆（LSTM）应用于文本和其他可变长度序列；
具有sequence-to-sequence网络和Transformer结构的NLP；
构建针对自然语言翻译和图像字幕的应用程序。