深AI

人工智能,董的推荐 – 深AI系列之一

时间来到2018年,时隔近一年半的时间,博主宣布回归,再次开始写博文啦。

这次写的是人工智能方向。

这是一个全新的系列,一个大势所趋的系列,一个会引发下一次技术革命的系列。

我给这个系列文章起了一个一语双关的名字,《深AI》。


遇见高人,指点迷津

前几天,去见了一位老同学,他在微软已经工作了十几年,研究方向是计算机图形学,近几年着重在研究人工智能 – 图像识别领域,已经是业界很有名气的专家级人物了。他姓董,但不是董小姐。哈哈

他说人工智能技术非常值得深入,还给我推荐了三本值得一读的书籍和一个网络教程:


书已到位,秀一下


《深度学习》,了解这本书

这本书,很厚,真的很厚,有足足500页。

这本书的价格也很“厚”,168元,虽然是一个很吉利的数字,但是却让我高兴不起来。

这本书,大概分为三个部分:

(1)做准备:介绍基本的数学工具和机器学习的概念

(2)讲方法:讲解现今已经成熟的深度学习方法和技术

(3)看未来:讨论某些具有前瞻性的方向和想法

来看看这本书的目录结构:

(1)第一部分:线性代数 – 概率和信息论 – 数值计算- 机器学习基础

(2)第二部分:深度前馈网络 – 深度学习中的正则化 – 深度模型中的优化 – 卷积网络 – 序列建模 – 实践方法论 – 应用

(3)第三部分:线性因子模型 – 自编码器 – 表示学习 – 深度学习中的结构化概率模型 – 蒙特卡罗方法 – 直面配分函数 – 近似推断 – 深度生成模型


《TensorFlow实战》,了解这本书

这本书,79元,不厚,正文不到300页。

2015年11月,一个具有历史意义的月份,Google开源了自己的机器学习及深度学习框架 – Tensorflow。

而在阿法狗(AlphaGo)的背后神秘推动力,就是TensorFlow!

这本书,都是从实用角度出发,为大家讲解了如何使用Tensorflow实现全连接神经网络、卷积神经网络、循环神经网络、乃至Deep Q-Network;同时还结合Tensorflow原理,以及深度学习的部分知识,让大家可以做出实际的项目和成果。

书里,大部分都是Python代码,Python也是Tensorflow支持的最全、最完整的接口语言了。

来一起看看这本书的目录吧:

TensorFlow基础 – TensorFlow和其他深度学习框架的对比 – TensorFlow第一步 – TensorFlow实现自编码器及多层感知机 – TensorFlow实现卷积神经网络 – TensorFlow实现经典卷积神经网络 – TensorFlow实现循环神经网络及Word2Vec – TensorFlow实现深度强化学习 – TensorBoard及多GPU及分布式并行 – TF.Learn从入门到精通 – TF.Contrib的其他组件


《机器学习》,了解这本书

这本书,共425页,因为纸张质量非常好,所以也很厚。定价是88元,相比于《深度学习》还是很良心。

这本书的前言比较实在,并没有说“这本书任何水平的读者”,而是这样表达了这本书的读者定位:

“作者试图尽可能少地使用数学知识,然而,少量的概率、统计、代数、优化、逻辑知识似乎不可避免。因此,本书更适合大学三年级以上的理工科本科生和研究生,以及具有类似背景的对机器学习感兴趣的人士。”

看来,这是一本难啃的骨头,我们来看看这本书的目录结构:

绪论 – 模型评估与选择 – 线性模型 – 决策树 – 神经网络 – 支持向量机 – 贝叶斯分类器 – 集成学习 – 聚类 – 降维与度量学习 – 特征选择与稀疏学习 – 计算学习理论 – 半监督学习 – 概率图模型 – 规则学习 – 强化学习


夜已深了,今天我们就走马观花,看看AI繁华。

《深AI》系列文章,才刚刚开始,好戏敬请期待!

roc@beijing

发表您的评论

请您放心,您的信息会被严格保密。必填项已标识 *