亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

1. 課程簡介

從生成圖像和文本到生成音樂和藝術，生成模型一直是人工智能的關鍵挑戰之一。本課程將探討推動生成模型和基礎模型（Foundation Models）最近進展的機器學習和人工智能技術。學生將學習、開發并應用最先進的算法，使機器能夠生成逼真且富有創意的內容。核心主題包括：學習的基本機制；如何構建生成模型及其他大型基礎模型（例如，視覺和語言的 Transformer，擴散模型）；如何訓練這些模型（預訓練，微調）并有效地調整它們（適配器、上下文學習）；如何擴展到大規模數據集（多 GPU/分布式優化）；如何將現有模型用于日常任務（生成代碼、使用生成模型進行代碼編寫）。學生還將探討其內在工作機制的理論基礎和經驗研究，了解模型可能出現的問題（偏見、幻覺、對抗攻擊、數據污染）及應對這些問題的方法。本課程不僅通過(guo)實(shi)現幫助學(xue)生(sheng)理(li)解現代技術，還(huan)將使(shi)用現有的(de)(de)庫和模型，探索(suo)生(sheng)成模型的(de)(de)能力(li)及其局限(xian)性。本課程適合已完成機(ji)器學(xue)習或深度學(xue)習入門課程的(de)(de)學(xue)生(sheng)。

//www.cs.cmu.edu/~mgormley/courses/10423/

學習成果：

課(ke)程結束后，學(xue)生應能夠： * 區分不同的(de)(de)學(xue)習機制(zhi)，如(ru)參數(shu)調整和(he)上(shang)下(xia)文(wen)學(xue)習。 * 實(shi)現(xian)現(xian)代(dai)生成(cheng)(cheng)(cheng)建(jian)模(mo)方(fang)法(fa)的(de)(de)基(ji)礎模(mo)型(xing)(xing)(xing)，如(ru) Transformer 和(he)擴散模(mo)型(xing)(xing)(xing)。 * 將現(xian)有模(mo)型(xing)(xing)(xing)應用(yong)于文(wen)本、代(dai)碼、圖像(xiang)、音(yin)頻和(he)視頻的(de)(de)實(shi)際生成(cheng)(cheng)(cheng)問(wen)題(ti)。 * 使(shi)用(yong)技術(shu)來調整基(ji)礎模(mo)型(xing)(xing)(xing)，完(wan)成(cheng)(cheng)(cheng)任務如(ru)微調、適配器(qi)和(he)上(shang)下(xia)文(wen)學(xue)習。 * 使(shi)生成(cheng)(cheng)(cheng)建(jian)模(mo)方(fang)法(fa)能夠擴展到大型(xing)(xing)(xing)文(wen)本、代(dai)碼或圖像(xiang)數(shu)據集(ji)。 * 使(shi)用(yong)現(xian)有生成(cheng)(cheng)(cheng)模(mo)型(xing)(xing)(xing)解決(jue)實(shi)際的(de)(de)判別問(wen)題(ti)及(ji)其他(ta)日常用(yong)例。 * 分析大規模(mo)基(ji)礎模(mo)型(xing)(xing)(xing)的(de)(de)理論屬性。 * 識(shi)別不同模(mo)態生成(cheng)(cheng)(cheng)模(mo)型(xing)(xing)(xing)可能出現(xian)的(de)(de)問(wen)題(ti)。 * 描述大規模(mo)生成(cheng)(cheng)(cheng) AI 系統(tong)的(de)(de)社會影(ying)響。

有關所涵蓋主題的更多詳細信息，請參見課程時間表(biao)頁面(mian)。

2. 先修要求

參加本課程的學生應具備機器學習或深度學習入門課程的工作知識，需修完以下課程之一（10301 或 10315 或 10601 或 10701 或 10715 或 11485 或 11685 或 11785）。 必須嚴格遵守這些先修要求！ 即使卡內基梅隆大學（CMU）的注冊系統未阻止你注冊此課程，仍有責任確保你在注冊前具備所有先修要求。 講者：

課程內容

**文本生成式模型 Generative models of text

循環神經網絡與語言建模 RNN LMs / Autodiff * Transformer LMs * 學習LLMs 編碼 Learning LLMs / Decoding * 預訓練、微調 Pre-training, fine-tuning / Modern Transformers / CNNs

**圖像生成式模型 Generative models of Images

**Lecture 6 : Generative Adversarial Networks (GANs) / VAEs / PGM

**Lecture 7 : Variational Inference / Variational Autoencoders (VAEs)

**Lecture 8 : Diffusion models (Part I)

******

**應用適配基礎模型 Applying and adapting foundation models

** Lecture 9 : Diffusion models (Part II) / In-context learning for text & for vision

**Lecture 10 : Parameter-efficient fine tuning

**Lecture 11 : Reinforcement learning with human feedback (RLHF)

**多模態大模型 Multimodal foundation models

**Lecture 12 : Text-to-image generation / Aligning multimodal representations (CLIP)

**** Lecture 13 : Prompt-to-Prompt**

**** Lecture 14 : Visual-language models**

通(tong)過(guo)(guo)ChatGPT API與Python，您(nin)(nin)(nin)可以(yi)(yi)構建(jian)(jian)出真正卓越的(de)(de)(de)AI應(ying)(ying)(ying)(ying)用(yong)。利用(yong)這些API，您(nin)(nin)(nin)可以(yi)(yi)專注(zhu)于應(ying)(ying)(ying)(ying)用(yong)邏輯和(he)(he)(he)用(yong)戶體(ti)驗，同時依靠(kao)ChatGPT強大的(de)(de)(de)自(zi)然語(yu)言處(chu)理(li)能(neng)力(li)來處(chu)理(li)人類文本(ben)(ben)理(li)解和(he)(he)(he)生(sheng)成(cheng)的(de)(de)(de)復雜性。 本(ben)(ben)書(shu)是一本(ben)(ben)實踐指南，帶領初學(xue)者通(tong)過(guo)(guo)構建(jian)(jian)十個創(chuang)(chuang)新的(de)(de)(de)AI項目來掌握(wo)ChatGPT，Whisper和(he)(he)(he)DALL-E的(de)(de)(de)APIs。這些項目提供(gong)了(le)(le)將ChatGPT與Flask、Django、Microsoft Office API和(he)(he)(he)PyQt等框(kuang)架和(he)(he)(he)工具(ju)集成(cheng)的(de)(de)(de)實踐經驗。本(ben)(ben)書(shu)涵(han)蓋了(le)(le)自(zi)然語(yu)言處(chu)理(li)任(ren)務，構建(jian)(jian)ChatGPT克隆，以(yi)(yi)及創(chuang)(chuang)建(jian)(jian)AI代碼(ma)修復SaaS應(ying)(ying)(ying)(ying)用(yong)程(cheng)序。它還涵(han)蓋了(le)(le)語(yu)音識別、文本(ben)(ben)轉(zhuan)語(yu)音、語(yu)言翻譯，生(sheng)成(cheng)電子郵件回復和(he)(he)(he)PowerPoint演示文稿。本(ben)(ben)書(shu)教您(nin)(nin)(nin)如何調(diao)整ChatGPT和(he)(he)(he)利用(yong)DALL-E API生(sheng)成(cheng)AI藝術(shu)。它甚(shen)至介紹了(le)(le)如何通(tong)過(guo)(guo)集成(cheng)ChatGPT API和(he)(he)(he)Stripe來銷售您(nin)(nin)(nin)的(de)(de)(de)應(ying)(ying)(ying)(ying)用(yong)。本(ben)(ben)書(shu)以(yi)(yi)GitHub上(shang)的(de)(de)(de)實際示例為結構，從簡單(dan)的(de)(de)(de)主題(ti)開(kai)(kai)始，逐漸進展到高級主題(ti)。 閱讀本(ben)(ben)書(shu)后，您(nin)(nin)(nin)將具(ju)備開(kai)(kai)發、部(bu)署和(he)(he)(he)通(tong)過(guo)(guo)發揮ChatGPT API的(de)(de)(de)全部(bu)潛力(li)來獲(huo)取利潤的(de)(de)(de)應(ying)(ying)(ying)(ying)用(yong)的(de)(de)(de)所需專業(ye)知識。 您(nin)(nin)(nin)將學(xue)到什么 * 在自(zi)然語(yu)言處(chu)理(li)任(ren)務中使用(yong)ChatGPT API建(jian)(jian)立堅實的(de)(de)(de)基(ji)礎 * 構建(jian)(jian)、部(bu)署和(he)(he)(he)變現各種(zhong)桌面(mian)和(he)(he)(he)SaaS AI應(ying)(ying)(ying)(ying)用(yong) * 無縫集成(cheng)ChatGPT與Flask、Django和(he)(he)(he)Microsoft Office API等成(cheng)熟框(kuang)架 * 通(tong)過(guo)(guo)集成(cheng)DALL-E API在您(nin)(nin)(nin)的(de)(de)(de)桌面(mian)應(ying)(ying)(ying)(ying)用(yong)中生(sheng)成(cheng)驚艷(yan)的(de)(de)(de)AI藝術(shu)，發揮您(nin)(nin)(nin)的(de)(de)(de)創(chuang)(chuang)造(zao)力(li) * 體(ti)驗Whisper API的(de)(de)(de)語(yu)音識別和(he)(he)(he)文本(ben)(ben)轉(zhuan)語(yu)音功能(neng)的(de)(de)(de)強大之處(chu) * 通(tong)過(guo)(guo)調(diao)整過(guo)(guo)程(cheng)優(you)化ChatGPT模(mo)型的(de)(de)(de)技巧

本(ben)(ben)書適(shi)合(he)誰 本(ben)(ben)書適(shi)合(he)程(cheng)序(xu)員、企業(ye)家和(he)(he)軟(ruan)件愛好者，旨在(zai)提(ti)供使(shi)用(yong)(yong)(yong)(yong)ChatGPT API構(gou)建(jian)應用(yong)(yong)(yong)(yong)的最佳實踐、提(ti)示(shi)和(he)(he)技巧。這對于有(you)(you)興趣(qu)在(zai)AI應用(yong)(yong)(yong)(yong)程(cheng)序(xu)中使(shi)用(yong)(yong)(yong)(yong)ChatGPT的Python開發(fa)人(ren)員、希望集(ji)(ji)成AI技術的軟(ruan)件開發(fa)人(ren)員以及希望用(yong)(yong)(yong)(yong)ChatGPT創建(jian)AI驅動的網絡應用(yong)(yong)(yong)(yong)程(cheng)序(xu)的網絡開發(fa)人(ren)員都(dou)是有(you)(you)益的。建(jian)議讀者對Python編程(cheng)和(he)(he)API的使(shi)用(yong)(yong)(yong)(yong)有(you)(you)基本(ben)(ben)的了解(jie)，以便更(geng)好地理解(jie)本(ben)(ben)書的內容。 目錄(lu) 1. 使(shi)用(yong)(yong)(yong)(yong)ChatGPT API開始自然語(yu)言處理任務 1. 構(gou)建(jian)ChatGPT克隆(long) 1. 使(shi)用(yong)(yong)(yong)(yong)Flask創建(jian)和(he)(he)部署AI代(dai)碼修復SaaS應用(yong)(yong)(yong)(yong)程(cheng)序(xu) 1. 將AI代(dai)碼修復應用(yong)(yong)(yong)(yong)程(cheng)序(xu)與支(zhi)付服務集(ji)(ji)成 1. 使(shi)用(yong)(yong)(yong)(yong)ChatGPT API和(he)(he)Microsoft Word的語(yu)言翻譯桌面應用(yong)(yong)(yong)(yong) 1. 用(yong)(yong)(yong)(yong)ChatGPT和(he)(he)Django生(sheng)成考(kao)試應用(yong)(yong)(yong)(yong) 1. 構(gou)建(jian)Outlook電(dian)子(zi)郵件回復生(sheng)成器 1. 用(yong)(yong)(yong)(yong)PyQt和(he)(he)ChatGPT API生(sheng)成文章(zhang)工具 1. 集(ji)(ji)成ChatGPT和(he)(he)DALL-E API：構(gou)建(jian)端(duan)到(dao)端(duan)PowerPoint演示(shi)文稿生(sheng)成 1. 使(shi)用(yong)(yong)(yong)(yong)Whisper API進行語(yu)音(yin)識(shi)別和(he)(he)文本(ben)(ben)轉語(yu)音(yin) 1. 選擇合(he)適(shi)的ChatGPT API模型 1. ChatGPT微調(diao)和(he)(he)集(ji)(ji)成

這門課程從零開始、從數學角度、結合大量例子、循序漸進地(di)揭(jie)示(shi)強化學習(xi)的(de)本質原理。 如果(guo)你(ni)學習(xi)的(de)時候喜歡刨根問底、追求“知其(qi)然并知其(qi)所以然”，相信這個課程能很好地(di)幫助你(ni)透徹理解(jie)強化學習(xi)！

---

經(jing)過漫長的準(zhun)備過程(cheng)，【強化學習的數學原理(li)】這個課程(cheng)的視頻+書(shu)籍+PPT終于都(dou)上線(xian)了！下面(mian)是鏈接：

課程視頻合集（B站）

//www.bilibili.com/video/BV1sd4y167NS/?spm_id_from=333.999.0.0&vd_source=288648f5b920459d12ebbcfd2da00a19 1. 書籍PDF和PPT下載網址（GitHub）

書籍《強化學習的數學原理》介紹（知乎）

1. 開發這個課程的初衷

1）從我(wo)2019年第一次在(zai)(zai)西(xi)湖(hu)大學(xue)講授強(qiang)化(hua)學(xue)習(xi)的(de)(de)課(ke)程(cheng)，到(dao)現(xian)(xian)在(zai)(zai)已經(jing)是第四次了(le)。在(zai)(zai)這個(ge)過(guo)(guo)程(cheng)中，得到(dao)了(le)大量(liang)的(de)(de)反(fan)饋、積累了(le)許多(duo)的(de)(de)經(jing)驗，最(zui)終形成了(le)現(xian)(xian)在(zai)(zai)的(de)(de)內容和書(shu)籍(ji)。 2）強(qiang)化(hua)學(xue)習(xi)入門難(nan)嗎？即(ji)使你(ni)有(you)(you)機器學(xue)習(xi)或(huo)者深度學(xue)習(xi)的(de)(de)基礎，即(ji)使你(ni)有(you)(you)自動控(kong)制理論(lun)的(de)(de)基礎，想要入門強(qiang)化(hua)學(xue)習(xi)并非易事！ 3）雖然(ran)(ran)現(xian)(xian)在(zai)(zai)關于(yu)強(qiang)化(hua)學(xue)習(xi)的(de)(de)資(zi)料有(you)(you)很(hen)多(duo)，我(wo)個(ge)人感覺(jue)現(xian)(xian)有(you)(you)的(de)(de)書(shu)籍(ji)要么傾向于(yu)直觀解釋(shi)（例(li)如Sutton和Barto的(de)(de)書(shu)），要么數(shu)學(xue)和專業性過(guo)(guo)強(qiang)（例(li)如Bertsekas的(de)(de)書(shu)）。 4）我(wo)開(kai)發這門課(ke)的(de)(de)目的(de)(de)：一方面，從數(shu)學(xue)的(de)(de)角度去介紹(shao)強(qiang)化(hua)學(xue)習(xi)，讓(rang)讀者“知其然(ran)(ran)也知其所以然(ran)(ran)；另一方面，對零(ling)基礎初學(xue)者友好(hao)，從最(zui)基本的(de)(de)概念開(kai)始、生(sheng)動易懂、循序漸進。

2. 這個課程是否適合你？

這(zhe)個(ge)課(ke)程(cheng)融入(ru)了(le)(le)我很多的(de)(de)心思(si)，和很多其(qi)它(ta)中(zhong)英文課(ke)程(cheng)有較大(da)(da)不(bu)同。你可以(yi)(yi)看(kan)(kan)看(kan)(kan)這(zhe)門(men)(men)課(ke)是(shi)否適合你。 1）這(zhe)門(men)(men)課(ke)不(bu)要求(qiu)讀(du)(du)者(zhe)有任何(he)強化學(xue)(xue)習的(de)(de)背(bei)景知識。因為它(ta)會從(cong)最基本的(de)(de)概念開始介(jie)(jie)紹，配上豐富的(de)(de)例子(zi)，相(xiang)(xiang)信它(ta)能(neng)在讓(rang)你“快速”入(ru)門(men)(men)的(de)(de)同時(shi)也(ye)能(neng)明了(le)(le)許多概念算法(fa)的(de)(de)原理。如(ru)果讀(du)(du)者(zhe)已經(jing)有了(le)(le)一(yi)定的(de)(de)強化學(xue)(xue)習背(bei)景，相(xiang)(xiang)信它(ta)也(ye)能(neng)給你帶(dai)來新的(de)(de)理解(jie)。 2）這(zhe)門(men)(men)課(ke)從(cong)數學(xue)(xue)角(jiao)度(du)(du)介(jie)(jie)紹強化學(xue)(xue)習，從(cong)而(er)幫助讀(du)(du)者(zhe)“知其(qi)然更(geng)知其(qi)所以(yi)(yi)然”。強化學(xue)(xue)習的(de)(de)數學(xue)(xue)性較強，如(ru)果不(bu)講數學(xue)(xue)，很多時(shi)候(hou)看(kan)(kan)似(si)懂了(le)(le)但經(jing)不(bu)起(qi)推(tui)敲。相(xiang)(xiang)反(fan)，如(ru)果從(cong)數學(xue)(xue)角(jiao)度(du)(du)開始學(xue)(xue)習，看(kan)(kan)似(si)是(shi)笨辦法(fa)，實則是(shi)透(tou)徹理解(jie)強化學(xue)(xue)習的(de)(de)捷徑(jing)。我也(ye)相(xiang)(xiang)信許多讀(du)(du)者(zhe)也(ye)有過這(zhe)樣(yang)的(de)(de)體會：千言萬語的(de)(de)文字描述(shu)有時(shi)候(hou)比(bi)不(bu)上一(yi)個(ge)數學(xue)(xue)公式能(neng)讓(rang)人理解(jie)深刻。 3）本書更(geng)多關注(zhu)“原理”而(er)不(bu)是(shi)“編(bian)程(cheng)”，幫助大(da)(da)家透(tou)徹理解(jie)概念和算法(fa)的(de)(de)原理。如(ru)果大(da)(da)家對(dui)編(bian)程(cheng)實現感興趣(qu)，可以(yi)(yi)參(can)考很多已有的(de)(de)精彩的(de)(de)學(xue)(xue)習資料，這(zhe)里就不(bu)再重復造輪子(zi)了(le)(le)。

3. 課程內容概覽

強化學習的系統性也很強，許多概念一環扣一環。要想深入地理解強化學習，要從最基礎的概念出發，一點一滴的學習。 下圖是整個課程的“地圖”，也是我的書中的一幅插圖，展示了各個部分及其之間的關系。

4. 作者簡介

趙(zhao)世鈺是西湖大學(xue)工學(xue)院(yuan)(yuan)特聘研究員、博士(shi)(shi)生導(dao)師、智能無人系(xi)統實驗(yan)(yan)室(shi)負責人、國(guo)家海外高層次人才引進計劃（青年項目）獲得者。他本碩畢業于北京航空航天大學(xue)，博士(shi)(shi)畢業于新(xin)加坡國(guo)立大學(xue)。他2019年回(hui)國(guo)加入西湖大學(xue)工學(xue)院(yuan)(yuan)，回(hui)國(guo)之(zhi)前在英國(guo)謝菲爾德大學(xue)自(zi)動控制與系(xi)統工程系(xi)擔任講(jiang)師和博士(shi)(shi)生導(dao)師。更(geng)多信息請參見實驗(yan)(yan)室(shi)網站

5. 寫在最后

在準備這些材料的(de)過(guo)程中，真正體會到(dao)了什么是嘔(ou)心(xin)瀝(li)血。 從這本書里的(de)每一句話(hua)、每一個圖、每一個公式(shi)，到(dao)課程視(shi)頻的(de)剪輯(ji)、字幕(mu)的(de)制(zhi)作(zuo)、再到(dao)PPT的(de)制(zhi)作(zuo)、甚至設計護眼背景色等(deng)等(deng)細節，力(li)求讓(rang)同(tong)學(xue)們能有(you)(you)最(zui)好的(de)學(xue)習體驗。在這個過(guo)程中要感謝我的(de)許多學(xue)生的(de)給(gei)力(li)幫助。 希望這門(men)課程能夠真正的(de)幫助大家跨(kua)過(guo)強(qiang)化學(xue)習的(de)門(men)檻，進(jin)入(ru)到(dao)這個有(you)(you)趣而生機勃勃的(de)領域！

附：本課程相關資料匯總

課程視頻網址（B站）

書籍PDF和PPT下載網址（GitHub）

書籍的介紹（知乎）

課程的介紹（B站）

趙世鈺老師簡介：

西湖大學實(shi)驗(yan)室(shi)網站 * * 個人網頁(ye)（GoogleSite） *

如今，大多數(shu)數(shu)據科學家和工(gong)程(cheng)師都依賴有質量標(biao)記的(de)數(shu)據來訓練機器學習模型。但是(shi)，手工(gong)構(gou)建訓練集既(ji)耗時又昂貴，導致許多公司的(de)ML項(xiang)目尚(shang)未完成。還有一個更(geng)實際的(de)方法。在這本書中，Wee Hyong Tok, Amit Bahree和Senja Filipi向您展示了(le)如何使用弱監(jian)督學習模型創(chuang)建產品。

您(nin)將學習如何(he)使(shi)用來自Snorkel的弱標記(ji)數據集(ji)構(gou)建自然語言處理(li)和計算(suan)機視覺項(xiang)目(mu)，Snorkel是斯坦(tan)福人工智能實驗室的一個副產品(pin)。因為許多公司一直在進行ML項(xiang)目(mu)，但從來沒(mei)有超越他們(men)的實驗室，所以這本書還提(ti)供了如何(he)交付您(nin)所構(gou)建的深度學習模型的指南。

//www.oreilly.com/library/view/practical-weak-supervision/9781492077053/

了解監(jian)督(du)缺乏的領(ling)域，包括如何將(jiang)其作(zuo)為數(shu)(shu)據科(ke)學過(guo)程的一(yi)部分 使(shi)(shi)(shi)用Snorkel AI進(jin)行(xing)弱監(jian)督(du)和數(shu)(shu)據編程 獲取使(shi)(shi)(shi)用Snorkel標記(ji)文本和圖(tu)像數(shu)(shu)據集(ji)的代碼(ma)示(shi)例 使(shi)(shi)(shi)用弱標記(ji)數(shu)(shu)據集(ji)對文本和圖(tu)像進(jin)行(xing)分類(lei) 學習將(jiang)Snorkel與大數(shu)(shu)據集(ji)一(yi)起(qi)使(shi)(shi)(shi)用以及(ji)使(shi)(shi)(shi)用Spark集(ji)群來擴(kuo)展標簽的實際(ji)注意事項

• 第1章提供了弱監督領域的基本介紹，以及數據科學家和機器學習工程師如何將其用作數據科學過程的一部分。
• 第2章討論了如何開始使用Snorkel進行弱監督，并介紹了使用Snorkel進行數據編程的概念。
• 第3章描述了如何使用Snorkel進行標簽，并提供了如何使用Snorkel對文本和圖像數據集進行標簽的代碼示例。
• 第4章和第5章作為本書的一部分，使實踐者對如何使用弱標記數據集進行文本和圖像分類有一個端到端的理解。
• 第6章討論了在使用Snorkel和大數據集時的實際考慮，以及如何使用Spark集群來擴展標記。

深度學習目前最流行的框架是Tensorflow和PyTorch，市面上講解Tensorflow的實戰教材很多，但關于PyTorch的書卻很少。今天給大家推薦一本2019年最新出爐的新書《PyTorch實戰 - 一個解決問題的方法》。本書內容很新，由淺入深，全面講解了如何基于PyTorch框架搭建深度學習模型，進行模型部署的方方面面，是一本不可多得的PyTorch入門書籍。

本書介紹

人工智能產品和解決方案的開發最近已經成為一種常態；因此，對基于圖論的計算框架的需求正在上升。當建模框架是動態的、靈活的，并且能夠適應其他框架時，讓深度學習模型在實際應用中工作是可能的。

PyTorch最近加入了圖形計算工具/編程語言聯盟。針對以前框架的局限性，PyTorch承諾在部署深度學習模型以及使用卷積神經網絡、遞歸神經網絡、LSTMs和深度神經網絡的組合創建高級模型方面提供更好的用戶體驗。PyTorch是由Facebook的人工智能研究部門創建的，該部門旨在使模型開發過程簡單、直接、動態，這樣開發人員就不必擔心在編譯和執行模型之前聲明對象。它基于Torch框架，是Python的擴展。

這本書面向數據科學家、自然語言處理工程師、人工智能解決方案開發人員、從事圖形計算框架的現有從業人員以及圖論研究人員。這本書主要講解張量（Tensor）的基礎知識、計算、執行基于算術的運算、矩陣代數和使用PyTorch框架的基于統計分布式運算。

第3章和第4章提供了關于神經網絡基礎知識的詳細描述。探索先進的神經網絡，如卷積神經網絡、遞歸神經網絡和LSTMs。讀者將能夠使用PyTorch函數實現這些模型。第5章和第6章主要講解模型的微調、超參數調整以及生產環境中如何對現有PyTorch模型進行改進。讀者將學習如何選擇超級參數來微調模型。第7章主要講解自然語言處理相關的應用。深度學習模型及其在自然語言處理和人工智能中的應用是該行業最苛刻的技能之一。讀者將能夠在深度學習模型中對PyTorch實現的執行和性能進行測試，以執行和處理自然語言。能夠將PyTorch與其他基于圖形計算的深度學習編程工具進行比較。

隨著機器學習(xi)越(yue)來越(yue)多(duo)地(di)被用(yong)于(yu)(yu)發現模式、進(jin)行分析和(he)做出決(jue)策(ce)——投資于(yu)(yu)吸引更(geng)多(duo)的(de)利益相關者(zhe)加入是至(zhi)關重(zhong)要的(de)。這(zhe)本(ben)關于(yu)(yu)機器學習(xi)中的(de)Python項目的(de)書(shu)試圖做到這(zhe)一(yi)點:為(wei)今(jin)天和(he)明(ming)天的(de)開發人員提(ti)供工(gong)具(ju)，他們(men)可(ke)以(yi)使用(yong)這(zhe)些工(gong)具(ju)更(geng)好地(di)理解、評估和(he)塑造機器學習(xi)，以(yi)幫(bang)助確保(bao)它為(wei)我們(men)所(suo)有人服務。

如果你(ni)還(huan)沒有Python編程環境，這(zhe)本(ben)書(shu)將為(wei)你(ni)提供一(yi)(yi)(yi)個(ge)(ge)，然后(hou)在“機(ji)(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習導論(lun)”一(yi)(yi)(yi)章(zhang)中為(wei)你(ni)提供一(yi)(yi)(yi)個(ge)(ge)機(ji)(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習的概念理(li)解。接下來是三個(ge)(ge)Python機(ji)(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習項目(mu)。它們將幫(bang)助(zhu)你(ni)創建一(yi)(yi)(yi)個(ge)(ge)機(ji)(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習分(fen)類(lei)器(qi)(qi)，建立一(yi)(yi)(yi)個(ge)(ge)神(shen)經(jing)網絡(luo)來識別手寫數字，并通(tong)過為(wei)Atari構建一(yi)(yi)(yi)個(ge)(ge)機(ji)(ji)(ji)器(qi)(qi)人來給你(ni)一(yi)(yi)(yi)個(ge)(ge)深度強化學(xue)(xue)(xue)習的背景知識。

Python機器學(xue)習項目

1. 前言
2. 設置Python編程環境 3.機器學習入門
3. 如何用Scikitlearn在Python中構建機器學習分類器
4. 如何建立基于Tensorflow的神經網絡識別手寫數字
5. 深度強化學習的偏差-方差: 如何用OpenAI Gym為Atari構建一個機器人

《數(shu)據(ju)(ju)科(ke)學(xue)(xue)導論》解(jie)釋重(zhong)要(yao)的(de)(de)數(shu)據(ju)(ju)科(ke)學(xue)(xue)概(gai)念(nian)，并教你如(ru)何完成(cheng)數(shu)據(ju)(ju)科(ke)學(xue)(xue)家的(de)(de)基(ji)本(ben)任(ren)務(wu)。我們將探索數(shu)據(ju)(ju)可視化、圖形數(shu)據(ju)(ju)庫(ku)(ku)、NoSQL的(de)(de)使用和(he)數(shu)據(ju)(ju)科(ke)學(xue)(xue)過程。我們將使用Python語言和(he)常見(jian)的(de)(de)Python庫(ku)(ku)，讓您親身(shen)體驗大規模(mo)處(chu)理數(shu)據(ju)(ju)的(de)(de)挑戰(zhan)。了解(jie)Python如(ru)何讓您從(cong)大到需要(yao)存儲在多(duo)臺機器(qi)上的(de)(de)數(shu)據(ju)(ju)集(ji)中獲(huo)得(de)見(jian)解(jie)，或者從(cong)快速移動到沒有一臺機器(qi)能夠(gou)處(chu)理它的(de)(de)數(shu)據(ju)(ju)集(ji)中獲(huo)得(de)見(jian)解(jie)。本(ben)書(shu)為您提供了最流(liu)行的(de)(de)Python數(shu)據(ju)(ju)科(ke)學(xue)(xue)庫(ku)(ku)、Scikit-learn和(he)statsmodel的(de)(de)實(shi)踐經驗。讀完這本(ben)書(shu)，你將擁有在數(shu)據(ju)(ju)科(ke)學(xue)(xue)領域開始職業(ye)生涯所需的(de)(de)堅(jian)實(shi)基(ji)礎。