作品简介

《深度学习核心技术与实践》主要介绍深度学习的核心算法,以及在计算机视觉、语音识别、自然语言处理中的相关应用。《深度学习核心技术与实践》的作者们都是业界一线的深度学习从业者,所以书中所写内容和业界联系紧密,所涵盖的深度学习相关知识点比较全面。《深度学习核心技术与实践》主要讲解原理,较少贴代码。

《深度学习核心技术与实践》适合深度学习从业人士或者相关研究生作为参考资料,也可以作为入门教程来大致了解深度学习的相关前沿技术。

猿辅导应用研究团队成立于2014年年中,一直从事深度学习在教育领域的应用和研究工作。团队成员均毕业于北京大学、清华大学、上海交大、中科院、香港大学等知名高校,大多数拥有硕士或博士学位。研究方向涵盖了图像识别、语音识别、自然语言理解、数据挖掘、深度学习等领域。团队成功运用深度学习技术,从零开始打造出活跃用户过亿的拍照搜题APP——小猿搜题,开源了分布式机器学习系统ytk-learn和分布式通信系统ytk-mp4j。此外,团队自主研发的一系列成果均成功应用到猿辅导公司的产品中。包括:速算应用中的在线手写识别、古诗词背诵中的语音识别、英语口语智能批改、英文手写拍照识别和英语作文智能批改等技术。

作品目录

  • 前言
  • 第1部分 深度学习基础篇
  • 1 概述
  • 2 神经网络
  • 3 初始化模型
  • 4 卷积神经网络
  • 5 循环神经网络
  • 6 深度学习优化算法
  • 7 深度学习训练技巧
  • 8 深度学习框架
  • 第2部分 计算机视觉篇
  • 9 计算机视觉背景
  • 10 图像分类模型
  • 11 目标检测
  • 12 语义分割
  • 13 图像检索的深度哈希编码
  • 第3部分 语音识别篇
  • 14 传统语音识别基础
  • 15 基于WFST的语音解码
  • 16 深度语音识别
  • 17 CTC解码
  • 第4部分 自然语言处理篇
  • 18 自然语言处理简介
  • 19 词性标注
  • 20 依存句法分析
  • 21 word2vec
  • 22 神经网络机器翻译
  • 第5部分 深度学习研究篇
  • 23 Batch Normalization
  • 24 Attention
  • 25 多任务学习
  • 26 模型压缩
  • 27 增强学习
  • 28 GAN
  • A 本书涉及的开源资源列表
展开全部