Python深度学习入门 从零构建CNN和RNN

作者简介

作者介绍 塞思·韦德曼（Seth Weidman），SentiLink公司数据科学家。他曾在Facebook公司从事数据科学工作，并为多家企业开发了深度学习培训课程。塞思善于通过简单明了的方式解释复杂的概念。除了讲授课程，他还热衷于技术写作，并撰写了大量PyTorch教程。 译者介绍 郑天民，日本足利工业大学信息工程学硕士，研究方向为人工智能在大规模调度系统中的应用，在国际三大索引上发表多篇论文。拥有十余年软件行业从业经验，前后经历过多家大型上市公司、互联网电商、健康类独角兽公司，担任CTO、系统分析架构师和技术总监等职务。阿里云MVP、腾讯云TVP、TGO鲲鹏会会员。著有《Spring响应式微服务》《系统架构设计》《向技术管理者转型》《微服务设计原理与架构》《微服务架构实战》等。

内容简介

1.前Facebook数据科学家带你领略深度学习领域的全貌； 2.从数学、示意图、Python三个维度立体地认识深度学习； 3.提供PyTorch开源神经网络库的使用方法； 4.提供示例代码。 深度学习技术的发展如火如荼，这些知识正迅速成为机器学习从业者甚至许多软件开发工程师的“加分项”。深度学习是一个立体的领域，仅从数学层面或代码层面学习，难免以偏概全，无法融会贯通。 本书作者认为，理解深度学习和神经网络需要多种思维模型。因此，本书从数学、示意图、Python代码三个维度帮助你立体地理解每一个概念，带你领略深度学习领域的全貌，从内到外地理解构建神经网络的每一步。你将学到以下内容。 - 为理解深度学习的概念和原理构建多种思维模型。 - 掌握嵌套函数、链式法则等数学概念。 - 掌握学习率衰减、权重初始化、dropout等优化技巧。 - 从零构建CNN和RNN等常见的神经网络架构。 - 使用PyTorch实现神经网络。