2019年最新-深度學習、生成對抗、Pytorch優秀教材推薦

  推薦一批2019年在最新上架或即將上架的深度學習、生成對抗、Pytorch優秀教材推薦，絕對不容錯過。

《GANs in Action》

Jakub Langr and Vladimir Bok

    本書簡介：

  《GANs in Action》:生成對抗網路式的深度學習教會你如何建立和訓練自己的生成對抗網路。首先，你將瞭解生成對抗網路以及GANs是如何工作，以及它們潛在用途的概述。然後，你將開始構建自己簡單的對抗系統，同時探索GAN網路的基礎結構:生成器和判別網路。

    電子版本地址：https://livebook.manning.com/#!/book/gans-in-action/

    隨書程式碼地址：https://github.com/GANs-in-Action/gans-in-action

《生成深度學習：讓機器學習繪畫、寫作、作曲、打遊戲》

David Foster

    本書簡介：

  生成模型是人工智慧領域最熱門的話題之一。該領域的最新進展表明，透過理解機器的行為如何影響環境，教機器在人類活動中表現出色是可能的，例如繪畫、作曲和完成任務。

  有了這本實用的書，機器學習工程師和資料科學家將學習如何重新建立一些最著名的生成式深度學習模型的例子，如變分自動編碼器和生成式對抗網路(GANs)。你還將學習如何將這些技術應用於你自己的資料集。

  應用資料科學的創始人之一大衛·福斯特展示了每種技術的內部工作原理，從深度學習的基礎開始，然後發展到該領域最前沿的演演算法。透過技巧和訣竅，你將學會如何讓你的模型的學習變得更有效率，變得更有創造力。

    主要講解生成式建模的基本概述

    瞭解如何利用Keras和TensorFlow庫進行深度學習

    瞭解可變自動編碼器(VAEs)是如何工作的

    獲取生成對抗網路(GANs)的實體

    瞭解如何構建學習如何繪畫、寫作和創作的生成模型

  在強化學習場景中應用生成模型來完成任務。

    連結：https://www.amazon.com/Generative-Deep-Learning-Teaching-Machines/dp/1492041947

《PyTorch深度學習初學者指南——如何建立和部署深度學習應用》

Ian Pointer

    本書簡介：

  深度學習有可能改變計算機世界的一切。在短短的幾年裡，它已經超越了傳統的計算機視覺技術，並且開始在自然語言處理上做同樣的事情。谷歌正在將深度學習整合到其運營的各個方面，包括在其資料中心安排工作，甚至取代一些傳統的資料結構。但是仍然缺乏有能力將深度學習引入他們領域的開發人員，並且許多關於這個主題的介紹都被數學概念壓得喘不過氣來。這本書將提供一個入門指南，讓開發人員開始使用這些強大的新技術來處理他們必須掌握的幾乎任何資料。

    連結：https://www.amazon.com/Beginners-Guide-Using-PyTorch-Learning/dp/1492045357/

《實用時序分析——統計預測與機器學習》 

Aileen Nielsen 

    本書簡介：

  現代時間序列資料最常見的資料工程和分析挑戰。這本書提供了一個容易理解的關於時間序列資料的全面介紹，它將幫助軟體工程師、資料科學家和研究人員在他們感興趣的領域高效進行時間相關的分析。

  作者Aileen Nielsen還提供了實際場景中的實用指南和用例，從醫療保健和金融到科學測量和社會科學預測。這本書提供了一個比現有的關於這個主題的書更多樣和更先進的時間序列方法。

    連結：https://www.amazon.com/Practical-Time-Analysis-Prediction-Statistics/dp/1492041653/

《神經網路與深度學習教科書》

Charu C. Aggarwal

    本書簡介：

  這本書涵蓋了深度學習的傳統和現代的所有技術。主要關註的是深度學習的理論和演演算法。神經網路的理論和演演算法對於理解重要的概念特別重要，因此人們可以理解神經架構在不同應用中的重要設計概念。神經網路為什麼工作？什麼時候它們比現成的機器學習樣式更有效？深度什麼時候有用？為什麼訓練神經網路如此困難？陷阱是什麼？這本書也豐富了對不同應用的討論，以便讓實踐者瞭解神經架構是如何為不同型別的問題設計的。涵蓋了與許多不同領域相關的應用，如推薦系統、機器翻譯、影象字幕、影象分類、基於強化學習的遊戲和文字分析。

    連結：https://www.amazon.com/Neural-Networks-Deep-Learning-Textbook/dp/3319944622/

《加強深度神經網路—降低AI對對抗欺騙的敏感性》

Katy Warr

    本書簡介：

  隨著深度神經網路在現實應用中變得越來越普遍，“愚弄”它們的可能性呈現出一種新的攻擊方式。在這本書裡，作者凱蒂·瓦爾研究了DNN如何以不同於人類的方式解釋音訊和影象的安全含義。

  你將瞭解攻擊者利用DNN演演算法缺陷的動機，以及如何評估對採用神經網路技術的系統的威脅。透過實際的程式碼例子，這本書向你展示了DNNs是如何被愚弄的，並展示了它們對抗欺騙的方法。

    瞭解DNNs如何“思考”的基本原則，以及為什麼這不同於我們人類對世界的理解

    理解愚弄DNNS的敵對動機以及對現實世界系統構成的威脅

    探索使包含DNN的軟體系統不容易被欺騙的方法

    展望人工神經網路的未來，瞭解這些演演算法是如何進化得更加健壯的

    連結：https://www.amazon.com/Strengthening-Deep-Neural-Networks-Susceptible/dp/1492044954/