微软张若非《深度学习模型及应用详解 》新书发布

历经近两年的准备以及书稿撰写,《深度学习模型及应用详解》终于揭开了神秘面纱。

2019年9月21日,《深度学习模型及应用详解》新书发布会顺利举办。电子工业出版社博文视点出版公司总经理郭立以及本书作者之一、微软(美国)人工智能与研究院高级研究总监张若非联合北京大学计算机系副主任、长江学者特聘教授崔斌,中国移动大数据系统总设计师段云峰,微软(亚洲)互联网工程院AI平台首席产品总监曾勇华,滴滴首席数据科学家谢梁等重磅大咖共同出席。

人工智能热激发了大家对深度学习的学习兴趣,但是目前的一些深度学习书籍要么是面向学校和机器学习的研究人员,重理论、少实践且不够实用;要么只是对一些深度学习框架和工具的介绍和翻译,而没有比较全面的深度学习模型的讲解、具体应用的实例及实际使用中经验和注意事项的分享。

《深度学习模型及应用详解》的作者都是在微软人工智能及研究院的研究人员和应用科学家,具有深厚的机器学习背景。

他们在一线针对产品需求和支持的场景进行了大量的深度学习模型及算法的研究和开发,在模型设计、训练、评估、部署、推理优化等模型开发全生命周期积累了丰富的经验。

本书面向的读者是希望学习和运用深度学习模型到具体应用场景的企业工程师、科研院所的学生和科研人员。他们的目的不是找一本教科书从学术角度学习深度学习,像深度学习研究人员一样设计新的模型和算法,而是对深度学习模型和算法做一个基础了解后,快速部署到他们的工作领域,并取得落地成果。

这正是《深度学习模型及应用详解》一书出版的初衷和希望有所贡献的地方:让读者“打基础、读得懂、用得快、重实践、重应用”,重点是建立起分析问题、对问题形式化和应用深度学习建模、使用工具实现模型训练和推理、在实际中需要考虑的约束限制、进行取舍和工程调优等一系列的方法论,从而获得能举一反三解决新的问题的能力。

内容定为

基于上述写作目的,在讲解基础的前提下,侧重在实际应用中让读者快速掌握基于深度学习模型的系统开发,本书的内容覆盖以下几个部分。

第1 部分(第1、2 章)讲解深度学习的现状、概念和实现工具。

第2 部分(第3~5 章)介绍深度学习在自然语言处理、计算机视觉、预测等应用中常见模型的举例及实现,包括自然语言处理中的词嵌入向量模型;图像理解中普遍使用的卷积神经网络(CNN)及其在物体检测(object detection)方面的应用;应用于机器翻译的递归神经网络模型(RNN)和长短期记忆模型(LSTM)。

第3 部分(第6~12 章)介绍学术界和工业界最新的一些高阶深度学习模型和实现,以及它们在互联网搜索、广告、对话机器人、电商等领域的应用,包括:用于对话机器人的DeepProbe 模型;用于单张照片产品识别和属性生成的VPR模型;用于信息检索和语义向量生成的DeepIntent 模型;用于文本语义嵌入和匹配的fastText 模型;生成对抗网络(GAN),以及在图像生成和自然语言处理中的应用;强化学习模型的模型结构、训练算法和应用。这些模型和实现都已经应用在微软的众多产品中,并获得了很好的效果。

第4 部分(第13 章)是讨论及展望,包括模型在线推理的优化及硬件加速的实现等。最后对目前深度学习技术的局限性做出分析,对其发展方向和下一个浪潮进行展望。

深度学习是一门实验科学,要在理论基础上结合应用大量进行实践,才能真正掌握并解决实际问题。本书是微软人工智能专家多年实践经验的结晶,极好地平衡了理论与实践,对人工智能技术的理论及算法成果落地进行了深入浅出的介绍,将有力促进人工智能技术的普及。

产业张若非深度学习微软书籍推荐
2
暂无评论
暂无评论~