TensorFlow深度学习——深入理解人工智能算法设计

人工智能是近年来全球火热的研究领域之一，尤其是随着深度学习算法研究的突破，人工智能技术被应用到图片识别、机器翻译、语音助手、自动驾驶等一系列领域中，取得了前所未有的智能水平。深度学习算法涵盖的内容非常前沿和广袤，国内外出版的相关书籍并不算多，有些侧重于理论层面的推导，有些侧重于框架API的介绍，鲜有能结合深度学习算法理论和实战讲解的教材。为了使读者能够深刻理解深度学习算法精髓，《TensorFlow深度学习——深入理解人工智能算法设计》以探索问题式叙述风格展开，从最简单的人工智能问题入手，一步步地引导读者分析和解决并发现新的问题，重温当年算法设计人员的探索之路。《TensorFlow深度学习——深入理解人工智能算法设计》介绍了深度学习算法所需要的基础数学理论、TensorFlow 2.x框架的基本使用方法、回归问题、分类问题、反向传播算法、梯度下降算法、过拟合、全连接网络、卷积神经网络、循环神经网络、自编码器、生成对抗网络、强化学习、迁移学习等主流和前沿知识。针对每个算法或模型，《TensorFlow深度学习——深入理解人工智能算法设计》均详细分析了采用TensorFlow框架的实现方法，并基于多个常见的经典数据集进行了算法模型的实战，如基于MNIST和CIFAR10数据集的图片识别实战、基于IMDB数据集的文本分析实战、基于动漫头像数据集的图片生成实战和基于OpenAI Gym环境的平衡杆游戏实战等。通过原理与实战结合的方式，读者可最大限度地理解算法理论，同时提升工程实现能力。《TensorFlow深度学习——深入理解人工智能算法设计》可作为高等院校人工智能课程的教材，也可供从事人工智能、深度学习算法研究与开发人员自学或参考。 龙良曲：网名“龙龙老师”，毕业于中南大学，曾担任新加坡国立大学助理研究员，专注于深度学习领域的前沿算法研究。担任网易云课堂“深度学习与PyTorch入门实战”“深度学习与TensorFlow2入门实战”等视频课程的主讲教师，帮助无数学员快速掌握深度学习算法知识，课程广受好评。