深度學(xué)習(xí)通常被視為數(shù)學(xué)博士和大型科技公司的專屬領(lǐng)域。但是正如本書所呈現(xiàn)的那樣，熟悉Python的程序員可以通過少量的數(shù)學(xué)背景、少量的數(shù)據(jù)和最少的代碼在深度學(xué)習(xí)中取得令人震驚的成果。fastai是第一個為最常用的深度學(xué)習(xí)應(yīng)用程序提供一致接口的庫。本書的兩位作者用口語化且簡單明了的方式描述了各種抽象的理論概念，希望通過本書能讓盡可能多的人了解深度學(xué)習(xí)。這本書深入淺出地介紹了深度學(xué)習(xí)的概念，并為讀者提供了掌握深度學(xué)習(xí)的詳細(xì)指導(dǎo)。 本書的目標(biāo)讀者是對深度學(xué)習(xí)感興趣的廣大程序員，只要你有一些編程基礎(chǔ)，即可通過這本書輕松上手深度學(xué)習(xí)。
Jeremy Howard是fast.ai的創(chuàng)始研究員，fast.ai研究所致力于讓大家更容易上手深度學(xué)習(xí)。同時，他也是舊金山大學(xué)杰出的研究科學(xué)家和世界經(jīng)濟論壇全球AI理事會成員。Sylvain Gugger是Hugging Face的研究工程師。此前，他曾是fast.ai的研究科學(xué)家，主要研究如何通過設(shè)計和改進技術(shù)讓模型在資源有限的情況下訓(xùn)練得更快，以使更多的人使用深度學(xué)習(xí)。
譯者陳志凱、熊英鷹，為騰訊Blade團隊核心成員。主要實踐方向是在黑盒設(shè)置中測試人臉識別系統(tǒng)的魯棒性，以及通過對抗性示例研究深度學(xué)習(xí)模型的魯棒性；主要研究方向是使用對抗性訓(xùn)練來幫助深度學(xué)習(xí)模型更健壯，并獲得更強大的性能。
新書資訊