深度学习相关书籍（2017）

2019年高薪Python工程师招聘信息
最新推荐文章于 2025-09-10 16:34:05 发布
最新推荐文章于 2025-09-10 16:34:05 发布
阅读量60 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 人工智能 python
原文链接：https://my.oschina.net/u/1760714/blog/997860
本文提供了2019年独角兽企业对于Python工程师的招聘信息，并附带推荐了两本关于人工智能领域的书籍资源链接，一本为中文版深度学习书籍，另一本为英文版的人工智能概览。
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 34万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
《深度学习》（Deep Learning）
08-01
《深度学习》系统地介绍了深度学习的基本理论、算法和应用，涵盖了从基础数学到深度学习的前沿研究。该书分为三个主要部分：应用数学与机器学习基础、现代实践中的深度网络和深度学习的研究前沿。 第一部分：应用...
机器学习和深度学习相关书籍
weixin_42098295的博客
06-26 1885
深度学习及TensorFlow框架的相关背景；机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。《机器学习实战》分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。
PyTorch深度学习与计算机视觉实践
热门推荐
weixin_43178406的博客
07-30 8万+
本文主要介绍了PyTorch深度学习与计算机视觉实践，希望能对同学们有所帮助。 文章目录 1. 前言 2. 书籍推荐 2.1 内容简介 2.2 本书作者 2.3 本书目录 3. 购买链接
深度学习之入门书籍
张亮校的专栏
09-26 474
总结：自学最难的就是系统学习，没有人指导，只能自己摸索，这时候最重要的找到适合自己学习的书籍，因为我们是在学习，不是在装X，所以以务实为主，不要为了高大上，上来就看英文，或者看英译汉，（有些英译汉还是不错的）。深入浅出，有些概念不理解的，我都是问chatGPT，对深度学习的原理有一个基本的认识。看了很久，楞是不知道在说什么，这英译版本，真是继承了英文废话连篇的特色，那叫一个云里雾里。从我个人来说，我不太习惯英译版本，或者那些牛人说的，直接读英文，我是水平不够。自学深度学习，书籍很重要。
深度学习必备书籍——《Python深度学习 基于Pytorch》
weixin_63866037的博客
04-07 4107
作为一名机器学习|深度学习的博主，想和大家分享几本**深度学习**的书籍，让大家更快的入手深度学习，成为AI达人！今天给大家介绍的是：《Python深度学习 基于Pytorch》
深度学习入门书籍推荐！这5本神书一定要看完！
OpenCVtuxiang的博客
05-29 1232
《深度学习》（Deep Learning）——Ian Goodfellow 等著！这本书被誉为“深度学习圣经”，由领域内三位顶尖专家编写。内容涵盖了深度学习的数学基础、神经网络结构、优化方法和研究前沿，非常系统。虽然偏理论，但如果你已经具备一定数学基础，这是深入理解深度学习原理的不二之选。
基于深度学习的图书推荐系统设计与实现
01-22 1281
随着互联网的发展，人们获取信息的方式也发生了很大的变化。在过去，人们只能通过书籍、报纸、杂志等传统媒体获取信息，但现在，人们可以通过互联网获取各种各样的信息。然而，互联网上的信息量非常庞大，人们很难找到自己感兴趣的内容。因此，推荐系统应运而生。推荐系统是一种能够根据用户的历史行为和偏好，向用户推荐他们可能感兴趣的物品的系统。推荐系统已经被广泛应用于电子商务、社交网络、音乐、电影等领域。
学深度学习，有什么好的建议或推荐的书籍?
人邮异步社区
08-07 865
数学：重点学线性代数（矩阵运算）、概率论（分布）、微积分（梯度）。编程：掌握Python+NumPy（数组操作），能写基础数据处理代码。机器学习：先学线性回归、逻辑回归、评估指标（如准确率）。选PyTorch或TensorFlow：PyTorch更易上手，TensorFlow工业界用得多。从Keras/FastAI开始：用高级API快速跑通模型（如MNIST分类）。必学：CNN（图像）、RNN/LSTM（时序）、Transformer（NLP）。
深度学习“四大名著”
D15631546_26的博客
07-09 1616
4个维度来简要介绍深度学习四大名著《Deep Learning》、《Deep Learning with Python》、《Hands-On Machine Learning with Scikit-Learn and TensorFlow》、《Python Machine Learning》。在深度学习领域，有四本著作被誉为“四大名著”，它们是无数初学者和从业者的必备指南。这四本书不仅系统地介绍了深度学习的基本原理和实践方法，还通过丰富的案例和项目，让读者能够深入理解并掌握深度学习的核心技术。
有哪些优秀的深度学习入门书籍？需要先学习机器学习吗？
2501_91624210的博客
04-12 963
随着2023年的大火，科研和工业界都再次把目光聚焦在深度学习领域。接下来就从深度学习、机器学习和目前最火的领域三个层面来谈谈，分析一下目前应该如何入门AI领域，再次站在风口。毫不夸张的说整个2023年将会是的爆发元年，同样也在此证明深度学习价值；换句话说，下一个互联网时代几乎已经确定，就是AI的迅猛发展所带来的技术变革，现在想要入门深度学习应该怎么学习呢？。机器学习 (ML) 是实现利用人工智能技术目标的重要工具。由于其学习和决策能力，机器学习通常被称为人工智能。
深度学习入门学习材料.pdf
12-03
深度学习的发展与两个关键因素有关：“大数据”和“深模型”。大数据为深度学习提供了充足的学习材料，而复杂的深度模型使计算机能够处理和分析大量的数据。在学习深度学习时，了解神经元的工作原理以及如何通过前馈...
基于王喆老师的深度学习推荐系统书籍，
09-21
7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于...
深度学习、pytorch、python、深度学习基础PDF
03-25
有利于深度学习的学习与入门。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 ...
阿里云Qwen3系列模型部署微调评测
wys的专栏
09-07 1011
让算力成为公共服务：用大规模的通用计算，帮助客户做从前不能做的事情，做从前做不到的规模。让数据成为生产资料：用数据的实时在线，帮助客户以数据为中心改变生产生活方式创造新的价值。
torch神经网络入门级设备测试
m0_71002812的博客
09-07 1393
本文介绍了一个基于PyTorch的CPU与GPU性能评估系统，用于比较不同硬件在求解常微分方程(ODE)的神经网络模型中的计算效率。系统包含以下核心功能： 自动检测CUDA可用性及GPU配置 构建多层前馈神经网络模型求解二阶ODE 性能基准测试：分别在CPU/GPU上运行相同训练任务，计算加速比 内存使用分析：对比CPU/GPU张量的内存占用情况 梯度计算专项测试：评估反向传播耗时差异 评估结果显示，在处理大规模数据(≥5000个数据点)时，GPU凭借并行计算优势可获得显著加速效果。系统适用于科研人员优化物
AI驱动的软件测试：革命性的自动化、缺陷检测与实验优化
zzywxc787的博客
09-06 707
人工智能（AI）和机器学习（ML）技术的融入，正在从根本上重塑软件测试的格局，将其从一种主要是手动的、重复性的任务转变为一种智能的、预测性的、且持续优化的过程。*说明：多臂老虎机算法（MAB）由于将更多流量分配给了更好的版本B，其累积回报（点击次数）的增长速度远快于传统A/B测试（固定50/50分流）。： 利用NLP技术（如文本分类）自动分析新提交的Bug报告的内容、标题和描述，将其自动分类（如“前端UI问题”、“后端API错误”），并推荐或分配给最合适的开发人员（基于谁修改了相关代码文件）。
[TKDE 2023] A Review on Deep Neural Networks for ICD Coding
Sherlily的博客
09-07 1585
计算机-人工智能-ICD编码机器学习深度学习综述
MOSS-TTSD: 文本对话式语音克隆
最新发布
m0_72580657的博客
09-10 570
MOSS-TTSD是一款突破性的对话语音生成系统，专为提升人机交互体验而设计。基于Qwen3-1.7B-base模型优化，它支持中英双语，实现零样本音色克隆和长达960秒的连续语音生成。核心创新包括XY-Tokenizer（1kbps低比特率编码）和对话语境建模技术，经过110万小时语音数据训练。性能评估显示其词错误率低至1.90%，媲美顶尖模型。适用于播客、直播、教育等多种场景，提供本地部署方案。目前支持双人对话克隆，多人对话功能正在开发中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值