书目信息 |
| 题名： |
深度学习与围棋
|
|
| 作者： | 帕佩拉 ， 费格森 著 ；赵普明 译 | |
| 分册： | ||
| 出版信息： | 北京 人民邮电出版社 2021.03 |
|
| 页数： | 312页 | |
| 开本： | 24cm | |
| 丛书名： | 深度学习系列 | |
| 单 册： | ||
| 中图分类： | G891.3-39 | |
| 科图分类： | ||
| 主题词： | 人工智能--ren gong zhi neng--应用--围棋 | |
| 电子资源： | ||
| ISBN： | 978-7-115-55146-7 | |
| 000 | 02087nam 2200301 450 | |
| 001 | CAL 0120217117571 | |
| 010 | @a978-7-115-55146-7@dCNY99.00 | |
| 100 | @a20210303d2021 em y0chiy0120 ea | |
| 101 | 1 | @achi@ceng |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 106 | @ar | |
| 200 | 1 | @a深度学习与围棋@Ashen du xue xi yu wei qi@f(美) 马克斯·帕佩拉, 凯文·费格森著@d= Deep learning and the game of go@fMax Pumperla, Kevin Ferguson@g赵普明译@zeng |
| 210 | @a北京@c人民邮电出版社@d2021.03 | |
| 215 | @a312页@c图@d24cm | |
| 225 | 2 | @a深度学习系列@Ashen du xue xi xi lie |
| 306 | @a由Manning Publications Co.授权出版 | |
| 314 | @a马克斯·帕佩拉和凯文·费格森, 都是经验丰富的深度学习专家, 拥有丰富的分布式系统和数据科学 方面的知识。 | |
| 330 | @a这是一本深入浅出且极富趣味的深度学习入门书。本书选取深度学习近年来最重大的突破之一AlphaGo, 将其背后的技术和原理娓娓道来, 并配合一套基于BetaGo的开源代码, 带领读者从零开始一步步实现自己的AlphaGo。本书侧重实践, 深入浅出, 庖丁解牛般地将深度学习和AlphaGo这样深奥的话题变得非常平易近人、触手可及, 内容非常精彩。全书共分为3个部分: 第一部分介绍机器学习和围棋的基础知识, 并构建一个最简围棋机器人, 作为后面章节内容的基础 ; 第二部分分层次深入介绍AlphaGo背后的机器学习和深度学习技术, 包括树搜索、神经网络、深度学习机器人和强化学习, 以及强化学习的几个高级技巧, 包括策略梯度、价值评估方法、演员-评价方法3类技术 ; 第三部分将前面两部分准备好的知识集成到一起, 并最终引导读者实现自己的AlphaGo, 以及改进版本AlphaZero。读完本书之后, 读者会对深度学习这个学科以及AlphaGo的技术细节有非常全面的了解, 为进一步深入钻研AI理论、拓展AI应用打下良好基础。本书不要求读者对AI或围棋有任何了解, 只需要了解基本的Python语法以及基础的线性代数和微积分知识即可。 | |
| 410 | 0 | @12001 @a深度学习系列 |
| 500 | 10 | @aDeep learning and the game of go@mChinese |
| 606 | 0 | @a人工智能@Aren gong zhi neng@x应用@x围棋 |
| 690 | @aG891.3-39@v5 | |
| 701 | 1 | @a帕佩拉@Apa pei la@g(Pumperla, Max)@4著 |
| 701 | 1 | @a费格森@Afei ge sen@g(Ferguson, Kevin)@4著 |
| 702 | 0 | @a赵普明@Azhao pu ming@4译 |
| 801 | 0 | @aCN@b人天书店@c20210303 |
| 905 | @aTSG@b0000442@dG891.3-39@eP033@f1 | |
| 深度学习与围棋/(美) 马克斯·帕佩拉, 凯文·费格森著= Deep learning and the game of go/Max Pumperla, Kevin Ferguson/赵普明译.-北京：人民邮电出版社，2021.03 |
| 312页：图；24cm.-(深度学习系列) |
| ISBN 978-7-115-55146-7：CNY99.00 |
| 这是一本深入浅出且极富趣味的深度学习入门书。本书选取深度学习近年来最重大的突破之一AlphaGo, 将其背后的技术和原理娓娓道来, 并配合一套基于BetaGo的开源代码, 带领读者从零开始一步步实现自己的AlphaGo。本书侧重实践, 深入浅出, 庖丁解牛般地将深度学习和AlphaGo这样深奥的话题变得非常平易近人、触手可及, 内容非常精彩。全书共分为3个部分: 第一部分介绍机器学习和围棋的基础知识, 并构建一个最简围棋机器人, 作为后面章节内容的基础 ; 第二部分分层次深入介绍AlphaGo背后的机器学习和深度学习技术, 包括树搜索、神经网络、深度学习机器人和强化学习, 以及强化学习的几个高级技巧, 包括策略梯度、价值评估方法、演员-评价方法3类技术 ; 第三部分将前面两部分准备好的知识集成到一起, 并最终引导读者实现自己的AlphaGo, 以及改进版本AlphaZero。读完本书之后, 读者会对深度学习这个学科以及AlphaGo的技术细节有非常全面的了解, 为进一步深入钻研AI理论、拓展AI应用打下良好基础。本书不要求读者对AI或围棋有任何了解, 只需要了解基本的Python语法以及基础的线性代数和微积分知识即可。 |
| ● |
| 相关链接 |
|
|
|
正题名：深度学习与围棋
索取号：G891.3-39/P033
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1549655 | 215496559 | 社科库409/409社科库 28排4列3层/ [索取号:G891.3-39/P033] | 在馆 |