|
|
|
本書通過紮實、詳細的內容和清晰的結構，從算法理論、算法源碼、實驗結果等方面對深度學習算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在計算機視覺方向的一些卷積神經網絡，從基礎骨幹網絡、輕量級CNN、模型架構搜索3個方向展開，介紹計算機視覺方向的里程碑算法；第二篇主要介紹深度學習在自然語言處理方向的重要突破，包括基礎序列模型和模型預訓練；第三篇主要介紹深度學習在模型優化上的進展，包括模型優化方法。
通過閱讀本書，讀者可以深入理解主流的深度學習基礎算法，搭建起自己的知識體系，領會算法的本質，學習模型優化方法。無論是從事深度學習科研的教師及學生，還是從事算法落地實踐的工作人員，都能從本書中獲益。
劉岩,澳門大學計算機科學專業碩士,目前就職于京東零售-技術與數據中心。在學生期間從事人工智能相關研究，發表多篇計算機視覺、自然語言處理等方向的專利和學術論文。畢業后從事深度學習相關工作，擅長前沿人工智能算法的原理分析和應用落地，擅長計算機視覺、自然語言處理等方向的技術,先後參與並負責了多個深度學習算法在不同場景的業務落地，如光學字符識別、公式識別、人臉識別、手勢識別、視頻摳像、文本分類/命名實體識別、預訓練語言模型、語音識別、圖神經網絡等。目前主要負責電商場景下預訓練語言模型的研發以及輿情風險的智能識別與治理。他的知乎賬號:大師兄。
劉岩
澳門大學計算機科學專業碩士, 目前就職於京東零售-技術與數據中心。在學生期間從事人工智慧相關研究，發表多篇計算機視覺、自然語言處理等方向的專利和學術論文。畢業後從事深度學習相關工作，擅長前沿人工智慧算法的原理分析和應用落地，擅長計算機視覺、自然語言處理等方向的技術，先後參與並負責了多個深度學習算法在不同場景的業務落地，如光學字元辨識、公式識別、人臉識別、手勢識別、視頻摳像、文本分類/命名實體識別、預訓練語言模型、語音辨識、圖神經網路等。目前主要負責電商場景下預訓練語言模型的研發以及輿情風險的智慧識別與治理。他的知乎帳號: 大師兄。
