由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
Datawhale人工智能系列:机器学习+深度学习+强化学习+GPT原理 套装4册
¥ ×1
《机器学习公式详解 第2版》
周志华老师的《机器学习》(俗称“西瓜书”)是机器学习领域的*入门教材之一。本书是《机器学习公式详解》(俗称“南瓜书”)的第2 版。相较于第1 版,本书对
“西瓜书”中除了公式以外的重、难点内容加以解析,以过来人视角给出学习建议,旨在对比较难理解的公式和重点内容扩充具体的例子说明,以及对跳步过大的公式补充
具体的推导细节。
全书共16 章,与“西瓜书”章节、公式对应,每个公式的推导和解释*以本科数学基础的视角进行讲解,希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。
本书思路清晰,视角独特,结构合理,可作为高等院校计算机及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考
《深度学习详解》
本书根据李宏毅老师“机器学习”公开课中与深度学习相关的内容编写而成,介绍了卷积神经网络、Transformer、生成模型、自监督学习(包括 BERT 和 GPT)等深度学习
常见算法,并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法. 在理论严谨的基础上,本书保留了公开课中大量生动有趣
的例子,帮助读者从生活化的角度理解深度学习的概念、建模过程和核心算法细节.
《ChatGPT原理与应用开发》
随着ChatGPT 的出现,大语言模型的能力得到了业内外的认可,新的商业模式不断涌现,旧的设计和实现*将重构。本书主要介绍基于ChatGPT 开发算法相关的应用或服务,
侧重于介绍与自然语言处理相关的常见任务和应用,以及如何使用类似ChatGPT 的大语言模型服务来实现以前只有算法工程师才能完成的工作。
全书共8 章内容,第1 章介绍与ChatGPT 相关的基础知识,第2~5 章分别介绍相似匹配、句词分类、文本生成和复杂推理方面的任务,第6~8 章分别介绍ChatGPT 的工程实
践、局限与不足,以及商业应用,以帮助读者更好地构建自己的应用。
本书以实践为主,尤其注重任务的讲解和设计,但同时也对自然语言处理相关算法的基本原理和基础知识进行科普性介绍,适合所有对大语言模型感兴趣的*阅读。
《Easy RL 强化学习教程》
强化学习作为机器学习及人工智能领域的一种重要方法,在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。
本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界*带你从*实践强化学习”公开课的精华内容,在理论严谨的基础上深入
浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法,以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见
深度强化学习算法的基本概念和方法,并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。
此外,本书还提供习题解答以及Python 代码实现,可以让读者进行端到端、从理论到轻松实践的全生态学习,充分掌握强化学习算法的原理并能进行实战。
本书适合对强化学习感兴趣的读者阅读,也可以作为相关课程的配套教材。
《机器学习公式详解 第2版》
谢文睿
北京工业大学硕士,Datawhale开源项目负责人,百度算法工程师,研究方向为机器学习与自然语言处理。
秦州
康奈尔大学计算机硕士,Datawhale成员,阿里巴巴算法*,研究方向为图计算与自然语言处理, 在NeurIPS、AAAI、CIKM等会议上录用多篇学术论文并获得CIKM
2019*应用论文奖。
贾彬彬
工学博士,兰州理工大学讲师,研究方向为机器学习与数据挖掘,在TKDE、TNNLS、PRJ、ICML、AAAI等期刊和会议上共发表学术论文十余篇,并担任ICML、NeurIPS、
ICLR、AAAI、IJCAI 等会议的程序委员会委员(PC Member)。
《深度学习详解》
王琦,
上海交通大学人工智能*重点实验室博士研究生,硕士毕业于中国科学院大学.Datawhale成员,《Easy RL:强化学习教程》作者,英特尔边缘计算创新大使,
Hugging Face社区志愿者,AI TIME成员.主要研究方向为强化学习、计算机视觉、深度学习.曾获“中国光谷·华为杯”第十九届中国研究生数学建模竞赛二等奖、
中国大学生计算机设计大赛二等奖、亚太地区大学生数学建模竞赛(APMCM)二等奖和“挑战杯”*大学生课外学术科技作品竞赛江苏省选拔赛二等奖等荣誉,发表
SCI/EI论文多篇.
杨毅远,
牛津大学计算机系博士研究生,硕士毕业于清华大学.Datawhale成员,《Easy RL:强化学习教程》作者.主要研究方向为时间序列、数据挖掘、智能传感系统,深度
习.曾获国家奖学金、北京市*毕业生、清华大学*硕士学位论文、*大学生智能汽车竞赛总*等荣誉,发表SCI/EI论文多篇.
江季,
网易*算法工程师,硕士毕业于北京大学.Datawhale成员,《Easy RL:强化学习教程》作者.主要研究方向为强化学习、深度学习、大模型、机器人等.曾获得国
家奖学金、上海市*毕业生等荣誉,取得强化学习与游戏AI等相关专利多项.
《ChatGPT原理与应用开发》
郝少春
某AI大语言模型公司的算法工程师,开源组织Datawhale成员;拥有7 年算法和工程架构经验及丰富的项目和产品经历,涉及文本、音频、视频、图像等多种模态。
黄玉琳
上海财经大学硕士,京东算法工程师,开源组织Datawhale成员;从事智能供应链领域的算法研究及应用工作;主要研究方向为机器学习、自然语言处理、运筹优化。
易华挥
四川大学华西医院生物大数据中心的科研助理,开源组织Datawhale成员;主要研究方向为多模态表征学习及其在医学影像分析中的应用;发表顶会论文3篇。
《Easy RL 强化学习教程》
王琦
中国科学院大学硕士在读,Datawhale成员。主要研究方向为深度学习、数据挖掘。曾获中国大学生计算机设计大赛二等奖、亚太地区大学生数学建模竞赛 (APMCM)
二等奖和“挑战杯”竞赛江苏省选拔赛二等奖,发表 SCI/EI 论文3篇。
杨毅远
清华大学硕士在读, Datawhale成员。主要研究方向为时空数据挖掘、智能传感系统、深度学习。曾获*大学生智能汽车竞赛总*、中国国家奖学金,发表SCI/EI论文
7篇,其中以*作者身份在SCI的Q1区、Q2区及中国计算机学会(CCF)A、B类会议中发表论文4篇。
江季
北京大学硕士在读, Datawhale成员。主要研究方向为强化学习、机器人。曾获大学生电子设计竞赛——2018年嵌入式系统专题邀请赛(英特尔杯)一等奖,发表顶会论
文1篇、专利2项。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格