UStackUStack
动手学深度学习 favicon

动手学深度学习

《动手学深度学习》 é um livro didático sobre aprendizado profundo voltado para leitores de língua chinesa, cobrindo implementações de PyTorch, NumPy/MXNet, TensorFlow e PaddlePaddle.

Visitar Site

O que é 动手学深度学习?

动手学深度学习

《动手学深度学习》 é um livro didático sobre aprendizado profundo projetado especificamente para leitores de língua chinesa, com o objetivo de fornecer uma plataforma de aprendizado executável e discutível. O livro cobre implementações de várias estruturas de aprendizado profundo, incluindo PyTorch, NumPy/MXNet, TensorFlow e PaddlePaddle, permitindo que os leitores escolham de forma flexível as ferramentas que melhor se adequam a eles.

Principais características

  • Aprendizado interativo: Cada seção inclui notebooks Jupyter executáveis, permitindo que os leitores modifiquem livremente o código e os hiperparâmetros para obter feedback instantâneo.
  • Recursos abundantes: Fornece recursos gratuitos, como materiais de aula, tarefas e vídeos educacionais, para ajudar os leitores a entender melhor os conceitos centrais do aprendizado profundo.
  • Comunidade ativa: Cada capítulo do livro inclui links para discutir e trocar ideias com milhares de alunos.

Principais usos

Este livro é utilizado como texto ou referência em mais de 500 universidades em todo o mundo, adequado para iniciantes em aprendizado profundo, bem como para pesquisadores experientes. Seja para autoestudo ou ensino em sala de aula, o conteúdo deste livro fornece conhecimentos e habilidades práticas aos leitores.

Versões do livro

A segunda edição do livro impresso já está disponível no JD.com e no Dangdang, com conteúdo que é praticamente o mesmo da versão online, mas otimizado em estilo e terminologia para atender aos padrões de publicação e normas acadêmicas. O conteúdo online também adicionou implementações do PaddlePaddle, garantindo que os leitores possam acessar as tecnologias mais recentes de aprendizado profundo.

Ao combinar texto, fórmulas e ilustrações, o livro detalha os modelos e algoritmos comuns no aprendizado profundo e fornece exemplos de código para implementar esses modelos do zero, ajudando os leitores a praticar com dados reais e acumular experiência prática em aprendizado profundo.

动手学深度学习 | UStack