【每周一本书】之《深度学习核心技术与实践》：“小猿搜题”团队倾力之作

【数据猿导读】 《深度学习核心技术与实践》主要介绍深度学习的核心算法，以及在计算机视觉、语音识别、自然语言处理中的相关应用

编辑 | sharon

官网 | www.datayuan.cn

微信公众号ID | datayuancn

《深度学习核心技术与实践》一书的大部分作者们从事机器学习相关工作多年。在团队内部，一直认同一个段子：有多少人工就有多少智能。

• 在深度学习流行之前的传统机器学习年代，我们认为“人工”更多强调的是特征工程之难，需要机器学习从业者不断分析数据，挖掘新的特征。

• 在深度学习流行的这几年，我们认为这句话依然成立，只是“人工”更多地强调人工标注，因为深度学习需要大量的标注数据。当然，也有人反驳说不需要标注，用户的使用历史天然就是标注。实际上，这可以理解为一种众筹标注。

• 在深度学习发展的未来，我们希望这句话不再成立，期待无监督模型取得更长足的进步，使得“人工”智能变为真正的智能。

内容提要

《深度学习核心技术与实践》主要介绍深度学习的核心算法，以及在计算机视觉、语音识别、自然语言处理中的相关应用。该书的作者们都是业界一线的深度学习从业者，所以书中所写内容和业界联系紧密，所涵盖的深度学习相关知识点比较全面。书中主要讲解原理，较少贴代码。适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术。

目录

第一部分 深度学习基础篇

1 概述

2 神经网络

3 初始化模型

4 卷积神经网络

5 循环神经网络

6 深度学习优化算法

7 深度学习训练技巧

8 深度学习框架

第二部分 计算机视觉篇

9 计算机视觉背景

10 图像分类模型

11 目标检测

12 语义分割

13 图像检索的深度哈希编码

第三部分 语音识别篇

14 传统语音识别基础

15 基于WFST 的语音解码

16 深度语音识别

17 CTC 解码

第四部分 自然语言处理篇

18 自然语言处理简介

19 词性标注

20 依存句法分析

21 word2vec

22 神经网络机器翻译

第五部分 深度学习研究篇

23 Batch Normalization

24 Attention

25 多任务学习

26 模型压缩

27 增强学习

28 GAN

作者简介

猿辅导应用研究团队成立于2014年，一直从事深度学习在教育领域的应用和研究工作。团队成员毕业于北京大学、清华大学、上海交大、中科院、香港大学等知名高校，大多数拥有硕士或博士学位。研究方向涵盖了图像识别、语音识别、自然语言理解、数据挖掘、深度学习等领域。团队成功运用深度学习技术，从零开始打造出活跃用户过亿的拍照搜题APP——小猿搜题，开源了分布式机器学习系统ytk-learn和分布式通信系统ytk-mp4j。此外，团队自主研发的一系列成果均成功应用到猿辅导公司的产品中。包括：速算应用中的在线手写识别、古诗词背诵中的语音识别、英语口语智能批改、英文手写拍照识别和英语作文智能批改等技术。

购买地址

https://item.jd.com/12316912.html

【本栏目合作伙伴】：清华大学出版社、电子工业出版社、北京师范大学出版社、中国人民大学出版社、机械工业出版社华章公司

欢迎更多合作伙伴加入，可加小编微信：jiannan2022，备注“书”

4月26日-4月27日，AI in China 之智能制造-数据驱动产业变革-高峰论坛即将开始，期待我们的见面👇