深度卷积网络：原理与实践
编辑推荐
适读人群 ：1.人工智能领域的技术工程师2.人工智能领域的创业者和投资人3.关注人工智能的围棋爱好者 （1）作者技术扎实、功力深厚，有20余年开发经验，对人工智能、量化交易、区块链等技术有深入研究，实践经验丰富。
（2）CSDN、极客邦科（InfoQ）、麦思博（MSUP）、天善智能4大IT媒体和知识服务机构高度评价并推荐
（3）以AI领域新的技术研究和和实践为基础。从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。
（4）以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，包含大量案例和代码。
内容简介
深度卷积网络（DCNN）是目前十分流行的深度神经网络架构，它的构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。 本书以AI领域新的技术研究和和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。 以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，为读者依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，让读者了解AI的“思考过程”，以及与人类思维的相同和不同之处。 本书在逻辑上分为3个部分： 第一部分 综述篇（第1、6、9章） 这3章不需要读者具备编程和数学基础，对深度学习和神经网络的基础知识、AlphaGo的架构设计和工作原理，以及深度学习和人工智能未来的技术发展趋势进行了宏观介绍。 第二部分 深度卷积网络篇（第2、3、4、5章） 结合作者的实际工作经验和案例代码，对深度卷积网络的技术理论、工作原理、实践方法、架构技巧和训练方法做了系统而深入的讲解。 第三部分 实战篇（第7、8章） 详细分析了AlphaGo和GAN的技术原理、训练方法和应用细节，包括详细的代码分析和大量GAN的精彩实例。 本书的案例代码在GitHub上提供下载，同时读者可在GitHub与作者交流本书相关的问题。
作者简介
彭博
人工智能、量化交易、区块链领域的技术专家，有20年以上的研发经验。
在人工智能与信息科技方面，对深度学习、机器学习、计算机图形学、智能硬件等有较为深入的研究；在量化交易方面，曾在全球大的外汇对冲基金负责程序化交易，对市场的微观和宏观行为有较为深入的理解；在区块链方面，对智能合约、DApp开发和自动交易有较为深入的实践。
知乎上科技领域的大V，在专栏撰有大量技术文章。
在线客服