本書展示了如何使用Ray構建機器學習應用程序,介紹了Ray如何融入當前的機器學習工具,以及Ray如何與這些工具緊密集成。本書前3章介紹了Ray作為分布式Python框架的基礎知識,并提供了應用示例;第4-10章介紹了Ray高級庫(Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR),并展示如何使用高級庫創建應用程序;第11章對Ray的生態進行了總結,并指導讀者繼續學習。
本書從原理的角度,力求講解清楚深度學習、強化學習、深度強化學習中的一些精選方法,并從實踐的角度,通過一系列循序漸進的原創實驗,引領讀者獨立編程實現這些方法,以期為讀者精通深度強化學習并應用深度強化學習方法解決實際問題奠定堅實基礎。本書不僅適合計算機科學與技術、人工智能、物聯網工程、數據科學與大數據、軟件工程、通信工程、電子信息、機器人工程、自動化、智能制造等相關專業高年級本科生及研究生教學與自學使用,也適合機器學習等領域的從業者、科研人員及愛好者自學與參考使用。
本書以機器學習算法為主題,詳細介紹算法的理論細節與應用方法。全書共19章,分別介紹了邏輯回歸與最大熵模型、k-近鄰模型、決策樹模型、樸素貝葉斯模型、支持向量機模型、集成學習框架、EM算法、降維算法、聚類算法、神經網絡模型等基礎模型或算法,以及8個綜合項目實例。本書重視理論與實踐相結合,希望為讀者提供全面而細致的學習指導。
深度學習理論無疑是當今教育界的重要探索主題,其中“深度學習的本質是什么”“深度學習的價值追求是什么”及“深度學習是怎樣的活動”是人類深度學習理論發展和實踐推進的關鍵問題。走向文化之思成為當前深度學習研究與探索的新興方向。文化哲學理論體系對人與文化、文化與教育教學等方面的問題有深刻洞察力,其所蘊含的“文化本質論—文化價值論—文化活動論”的內在邏輯進路,可以為深度學習的創新提供獨特視角。本書分別從這幾方面系統探索深度學習的基本理論問題,為人們更好地認識及推動深度學習實踐提供參考。
本書針對推薦系統中的二部圖、社交網絡和知識圖譜的圖結構模式,研究基于圖表示學習的深度推薦系統。通過挖掘圖信息中的隱性關系和高階關系,使用圖學習的方式探索用戶和產品的潛在關聯,彌補相關推薦系統研究在挖掘用戶之間或者產品之間隱性關系方面的不足,形成一系列合理而且有效的推薦技術。增加推薦系統輸入的多樣性,運用社交網絡和知識圖譜等輔助信息,緩解推薦系統目前面臨的“數據稀疏”、“冷啟動”等問題,提高推薦系統的準確性和多樣性,為推薦系統技術的發展提供可參考的方向。
全書共8章,第1章對現有常見的基于深度學習剩余壽命預測技術研究現狀進行深入分析,第2章給出了一種充分融合深度學習和隨機過程優勢的退化系統剩余壽命預測方法,第3章與第4章重點圍繞全壽命周期情形所開展的剩余壽命預測方法研究,第3章得到的點估計預測結果,第4章是在Bayesian深度學習框架下確定的是概率分布預測結果,第5章與第6章針對零壽命標簽情形所開展的剩余壽命預測方法研究,第5章提出了一種基于網絡模型平均的退化系統剩余壽命點估計預測方法,第6章研究了基于Bayesian深度學習的退化系
深度學習是人工智能領域無法避開的課題之一,也是比較強大的方法之一。很多從事算法工作或相關工作的人,或多或少都在應用深度學習方法解決相關領域的問題。本書針對深度學習知識做進階性探討。通過11章內容,對卷積網絡、新型結構、注意力機制、模型壓縮、自監督學習、目標檢測中的高級技巧、無監督學習、Transformer高級篇,以及圖神經網絡和元學習進行了深入的探討,最后對深度學習的未來發展進行了展望。
本書詳細介紹了強化學習的理論推導、算法細節。全書共12章,包括強化學習概述、馬爾可夫決策過程、退化的強化學習問題、環境已知的強化學習問題、基于價值的強化學習算法、基于策略的強化學習算法、AC型算法、基于模型的強化學習算法等相關知識。本書系統性強、概念清晰,內容簡明通俗。除了側重于理論推導,本書還提供了許多便于讀者理解的例子,以及大量被實踐證明有效的算法技巧,旨在幫助讀者進一步了解強化學習領域的相關知識,提升其現實中的工程能力。本書可作為高等院校數學、計算機、人工智能等相關專業的強化學習教材,但需
本書介紹了深度學習的基本理論、工程實踐及其在產業界的部署和應用。在深度學習框架的介紹中,書中結合代碼詳細講解了經典的卷積神經網絡、循環神經網絡和基于自注意力機制的Transformer網絡及其變體。還介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。此外,書中還涵蓋了深度強化學習和生成對抗網絡的前沿進展。在系統工程和產業實踐方面,書中解釋了如何使用分布式系統訓練和部署模型以處理大規模數據。本書系統介紹了構建深度學習推理系統的過程,并結合代碼講解了分布式深度學習推理系統