|
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。 |
| ● |
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
|
|
