【每周一本書】之《深度學習核心技術(shù)與實踐》：“小猿搜題”團隊傾力之作

小猿搜題深度學習神經(jīng)網(wǎng)絡(luò)

sharon | 2018-04-10 08:00

【數(shù)據(jù)猿導讀】《深度學習核心技術(shù)與實踐》主要介紹深度學習的核心算法，以及在計算機視覺、語音識別、自然語言處理中的相關(guān)應(yīng)用

《深度學習核心技術(shù)與實踐》一書的大部分作者們從事機器學習相關(guān)工作多年。在團隊內(nèi)部，一直認同一個段子：有多少人工就有多少智能。

•在深度學習流行之前的傳統(tǒng)機器學習年代，我們認為“人工”更多強調(diào)的是特征工程之難，需要機器學習從業(yè)者不斷分析數(shù)據(jù)，挖掘新的特征。

•在深度學習流行的這幾年，我們認為這句話依然成立，只是“人工”更多地強調(diào)人工標注，因為深度學習需要大量的標注數(shù)據(jù)。當然，也有人反駁說不需要標注，用戶的使用歷史天然就是標注。實際上，這可以理解為一種眾籌標注。

•在深度學習發(fā)展的未來，我們希望這句話不再成立，期待無監(jiān)督模型取得更長足的進步，使得“人工”智能變?yōu)檎嬲闹悄堋?/p>

小猿搜題_深度學習_神經(jīng)網(wǎng)絡(luò)-1

內(nèi)容提要

《深度學習核心技術(shù)與實踐》主要介紹深度學習的核心算法，以及在計算機視覺、語音識別、自然語言處理中的相關(guān)應(yīng)用。該書的作者們都是業(yè)界一線的深度學習從業(yè)者，所以書中所寫內(nèi)容和業(yè)界聯(lián)系緊密，所涵蓋的深度學習相關(guān)知識點比較全面。書中主要講解原理，較少貼代碼。適合深度學習從業(yè)人士或者相關(guān)研究生作為參考資料，也可以作為入門教程來大致了解深度學習的相關(guān)前沿技術(shù)。

第一部分深度學習基礎(chǔ)篇

1 概述

2 神經(jīng)網(wǎng)絡(luò)

3 初始化模型

4 卷積神經(jīng)網(wǎng)絡(luò)

5 循環(huán)神經(jīng)網(wǎng)絡(luò)

6 深度學習優(yōu)化算法

7 深度學習訓練技巧

8 深度學習框架

第二部分計算機視覺篇

9 計算機視覺背景

10 圖像分類模型

11 目標檢測

12 語義分割

13 圖像檢索的深度哈希編碼

第三部分語音識別篇

14 傳統(tǒng)語音識別基礎(chǔ)

15 基于WFST 的語音解碼

16 深度語音識別

17 CTC 解碼

第四部分自然語言處理篇

18 自然語言處理簡介

19 詞性標注

20 依存句法分析

21 word2vec

22 神經(jīng)網(wǎng)絡(luò)機器翻譯

第五部分深度學習研究篇

23 Batch Normalization

24 Attention

25 多任務(wù)學習

26 模型壓縮

27 增強學習

28 GAN

作者簡介

猿輔導應(yīng)用研究團隊成立于2014年，一直從事深度學習在教育領(lǐng)域的應(yīng)用和研究工作。團隊成員畢業(yè)于北京大學、清華大學、上海交大、中科院、香港大學等知名高校，大多數(shù)擁有碩士或博士學位。研究方向涵蓋了圖像識別、語音識別、自然語言理解、數(shù)據(jù)挖掘、深度學習等領(lǐng)域。團隊成功運用深度學習技術(shù)，從零開始打造出活躍用戶過億的拍照搜題APP——小猿搜題，開源了分布式機器學習系統(tǒng)ytk-learn和分布式通信系統(tǒng)ytk-mp4j。此外，團隊自主研發(fā)的一系列成果均成功應(yīng)用到猿輔導公司的產(chǎn)品中。包括：速算應(yīng)用中的在線手寫識別、古詩詞背誦中的語音識別、英語口語智能批改、英文手寫拍照識別和英語作文智能批改等技術(shù)。

購買地址：https://wqitem.jd.com/item/view sku=12316912

【本欄目合作伙伴】：清華大學出版社、電子工業(yè)出版社、北京師范大學出版社、中國人民大學出版社、機械工業(yè)出版社華章公司

歡迎更多合作伙伴加入，可加小編微信：jiannan2022，備注“書”