深度学习核心技术与实践-教辅教材-文化科教-太极之巅书单号

书刊介绍

《深度学习核心技术与实践》内容简介

《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