机读格式显示(MARC)

• 000 02224nam 2200361 450

• 001 0000917152

• 005 20210922143400.0

• 010 __ |a 978-7-115-55146-7 |d CNY99.00

• 099 __ |a CAL 012021032540

• 100 __ |a 20210303d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习与围棋 |A shen 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 |f Max Pumperla, Kevin Ferguson |g 赵普明译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2021

• 215 __ |a 312页 |c 图 |d 24cm

• 225 2_ |a 深度学习系列 |A shen 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 |1 2001 |a 深度学习系列

• 500 10 |a Deep learning and the game of go |A Deep Learning And The Game Of Go |m Chinese

• 606 0_ |a 人工智能 |A ren gong zhi neng |x 应用 |x 围棋

• 690 __ |a G891.3-39 |v 5

• 690 __ |a G891.3 |v 4

• 701 _1 |a 帕佩拉 |A pa pei la |g (Pumperla, Max) |4 著

• 701 _1 |a 费格森 |A fei ge sen |g (Ferguson, Kevin) |4 著

• 702 _0 |a 赵普明 |A zhao pu ming |4 译

• 801 _0 |a CN |b SEU |c 20210401

• 905 __ |a JHUD |d G891.3/354

• 920 __ |a 242450 |z 1

• 998 __ |a SEU