神经机器翻译.pdf
神经机器翻译 attention 宗成庆 本课程为中国科学院研究生院专业基础课
肖仰华-大规模概念图谱构建与应用 北大 Question Answering Over Knowledge Graph 腾讯-大规模知识图谱的构建与应用-苏州大学 KG Refinement by Knowledge Intensive Crowdsourcing 面向智能问答的知识获取 陈虹-知识图谱及其变种在行业实践中的应用与思考-ZTE中兴
通过具体的例子、很少的理论以及两款成熟的Python框架:Scikit-Learn和TensorFlow,作者Aurélien Géron会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术,从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识,你只需要有一些编程经验就行了。 探索机器学习,尤其是神经网络 使用Scikit-Learn全程跟踪一个机器学习项目的例子 探索各种训练模型,包括:支持向量机、决策树、随机森林以及集成方法 使用TensorFlow库构建和训练神经网络 深入神经网络架构,包括卷积神经网络、循环神经网络和深度强化学习 学习可用于训练和缩放深度神经网络的技术 运用实际的代码示例,无需了解过多的机器学习理论或算法细节
通过具体的例子、很少的理论以及两款成熟的Python框架:Scikit-Learn和TensorFlow,作者Aurélien Géron会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术,从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识,你只需要有一些编程经验就行了。 探索机器学习,尤其是神经网络 使用Scikit-Learn全程跟踪一个机器学习项目的例子 探索各种训练模型,包括:支持向量机、决策树、随机森林以及集成方法 使用TensorFlow库构建和训练神经网络 深入神经网络架构,包括卷积神经网络、循环神经网络和深度强化学习 学习可用于训练和缩放深度神经网络的技术 运用实际的代码示例,无需了解过多的机器学习理论或算法细节
本书主要关注经典的算法,但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。