新書推薦：
《
清俗纪闻
》
售價：HK$
98.6
《
镜中的星期天
》
售價：HK$
76.2
《
世界前沿技术发展报告2024
》
售價：HK$
188.2
《
可转债——新手理财的极简工具
》
售價：HK$
65.0
《
新加坡教育：神话与现实
》
售價：HK$
96.3
《
“口袋中的世界史”第一辑·冷战中的危机事件
》
售價：HK$
291.2
《
绝美的奥伦堡蕾丝披肩编织
》
售價：HK$
177.0
《
狂飙年代：18世纪俄国的新文化和旧文化（第二卷）
》
售價：HK$
177.0
|
| 編輯推薦： |
一书入手，一步到位！零基础入门迁移学习！
《迁移学习导论》独辟蹊径，从初学者角度出发，以“讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学习的本质问题、抓住重点、举一反三、迅速入门。
《迁移学习导论》一大亮点是对“两头“的把握：
一是源头，抓问题和场景，做到“师出有名”，讲清楚针对什么问题、用在哪里；
二是笔头，抓代码与实践，做到“落地结果”，在实战中巩固和深化对技术的理解。
考虑多方位学习的需求，《迁移学习导论》配有实践代码、学习资料、相关笔记和*文章，并持续更新。
|
| 內容簡介： |
迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理、语音识别等领域都得到了广泛的应用。本书的编写目的是帮助迁移学习及机器学习相关领域的初学者快速入门。全书主要分为背景与概念、方法与技术、扩展与探索及应用与展望四大部分。除此之外，本书还配有相关的代码、数据和论文资料，*限度地降低初学者的学习和使用门槛。
本书适合对迁移学习感兴趣的读者阅读，也可以作为相关课程的配套教材。
|
| 關於作者： |
王晋东
微软亚洲研究院研究员、中国科学院计算技术研究所博士，主要从事迁移学习、机器学习和深度学习方面的研究。研究成果发表在IEEE TNNLS、ACM TIST、CVPR、IJCAI、ACMMM、UbiComp等顶级期刊和会议，获得国家奖学金、中国科学院优秀博士论文奖、中科院计算所所长特别奖学金等。担任国际会议IJCAI 2019的宣传主席、顶级国际期刊会议IEEE TPAMI、TKDE、ICML、NeurIPS、ICLR、CVPR等的审稿人或程序委员会委员。热心知识分享，在知乎的博客文章浏览次数逾700万次。
陈益强
中国科学院计算技术研究所所务委员、研究员、CCF Fellow，主要研究人机交互与普适计算，联邦学习与迁移学习等。
任北京市移动计算与新型终端重点实验室主任、中科院计算所泛在计算系统研究中心主任；曾入选国家“万人计划”科技创新领军人才、科技部中青年科技创新领军人才、北京市科技新星等；国务院特殊津贴专家，东京大学、南洋理工大学兼职教授，IEEE计算智能等6个刊物的编委，IEEE可穿戴与智能交互技术委员会创始委员等。获 IJCAI-FL等人工智能和普适计算领域最佳论文奖 6 项；相关成果获国家科技进步二等奖及中国计算机学会技术发明一等奖等。
|
| 內容試閱：
|
本书的编写目的是帮助迁移学习领域的初学者快速入门。本书尽可能绕开过于理论化的概念，专注介绍经验方法。除此之外，本书还配有相关的代码、数据和论文资料，最大限度地方便初学者学习。
本书共分四大部分：背景与概念、方法与技术、扩展与探索，以及应用与展望。第一部分为背景与概念，由第1 章到第3 章构成。其中第1 章为绪论，从宏观角度介绍了迁移学习的基本概念及其必要性，并且简单分析了它与已有概念的区别和联系。这一章也介绍了迁移学习的一些应用领域，目的是使读者对迁移学习有较为系统的了解。第2 章从机器学习开始，逐步过渡到迁移学习的概念上。第3 章介绍了迁移学习领域的基本研究问题。第二部分为方法与技术，这是全书最重要的部分，由第4 章到第11 章构成。第4 章以较为严谨的学术风格对迁移学习的基本问题进行了形式化定义，并描述了一个较为完整的迁移学习过程，以及对迁移学习理论分析的一些总结。这一章应该视为余下章节的起点。第5～8 章对应三大类迁移学习的基本方法：第5 章对应样本权重迁移法，第6 章、第7 章分别介绍基于统计距离和几何特征的特征变换迁移方法，这两章合起来对应特征变换迁移法。由于此类方法的相关工作最为丰硕，因此我们分为两个章节讲述。第8 章则对应基于模型的迁移，特别是在深度模型中的预训练方法。
第9 章和第10 章重点讲述深度迁移学习和对抗迁移学习的基本思路和方法。读者应当注意的是，深度网络中的迁移方法不应当与之前的三大类基本方法割裂开，而应该被视为三种基本方法在深度网络中的具体体现。因此，这也是为什么我们不直接谈深度方法而首先介绍三大类基本方法的原因。第11 章介绍了迁移学习领域若干热门研究问题和相关工作。这些从不同视角出发的问题从各个方面对经典的迁移学习场景进行了扩展，在目前仍然是热门的研究方向。
第三部分为扩展与探索，由第12 章到第14 章构成。所谓扩展，指的是不局限于固定的迁移学习问题，旨在探索迁移学习新方向的一些研究成果。我们重点选择了领域泛化（第12 章）和元学习（第13 章）这两个研究方向进行探究和分析。第14 章则给出了在迁移学习模型选择方面的一些代表工作。
第四部分为应用与展望，由第15 章和第16 章构成。第15 章是迁移学习的应用，介绍了迁移学习在包括计算机视觉、自然语言处理、语音识别、普适计算、医疗健康等领域要解决的问题及应用的方式，向读者展示迁移学习是如何被应用到特定的任务，用以解决该应用的痛点问题的。读者将迁移学习应用于自己的任务时，可以借鉴本章所述的应用及解决方案。第16 章介绍了几个迁移学习的前沿问题。
另外，附录部分提供了一些常用的研究资料，供初学者学习研究。
由于作者水平有限，不足和错误之处，敬请不吝批评指正。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
