发布时间:2024-06-18 11:01
4月出版了很多新书,上周有两本书最受程序员关注,《动手学强化学习》和《PyTorch深度学习实战》位于一周榜单TOP10。现在和小编一起来看看有哪些新书上榜。
专家推荐
本书系统地介绍了强化学习的基本技术,能够帮助读者学习强化学习的基本概念及其代表性方法,并涉及模仿学习、多智能体强化学习等前沿技术。作者搭建了与本书内容配套的在线实践学习平台,读者能够在线运行代码并与同行交流、讨论,加强对强化学习技术的理解和掌握。本书凝结了强化学习领域的知识精华,是人工智能算法工程师推荐的好书。 |
本书的一个重要特点是实现了理论与代码的有机结合,学生在学习强化学习的主要概念时,可以方便地使用这些代码。本书得到了上海交通大学学生的广泛好评。 |
强化学习对初学者来说有较高的学习门槛,容易让人却步。本书给出了各个算法的可执行代码,帮助读者快速上手尝试,拉近了讲授内容与读者的距离,是入门强化学习的参考教材。 |
本书源自上海交通大学ACM班的人工智能专业课程。上海交通大学ACM班创始人俞勇教授及其团队将其在人工智能领域多年深耕的成果汇集成书,并精心开发了满足年轻人才学习需求的多种学习资源,将理论知识、在线代码、项目实训有机融合,能够帮助读者从零搭建起强化学习的理论与工程体系。本书真正从社会需求出发,为人工智能领域相关专业的人才培养提供了非常有价值的参考,也为高校学生和行业从业人员深入研究、创新强化学习技术指明了路径。 |
在几次举办RLChina强化学习暑期夏令营的过程中,我感受到中国学生对强化学习这一学科的学习热情十分高涨,每次活动的参与人数都过万。但是,目前中国在强化学习领域的专业教师资源紧缺,导致学生对强化学习理论知识的掌握不够到位;强化学习实验室资源不足,学生在实验过程中容易遇到各种难以解决的问题,但缺少有效提升实验效率的标程或沟通渠道。本书可以让学生在理论学习与代码实践之间无缝衔接,这很好地解决了学习和研究强化学习的痛点。在此将本书推荐给每一位学习和研究强化学习的学生和教师。 |
本书系统地介绍了强化学习的原理和实现,是一本理论扎实、落地性强的图书。
本书包含3个部分:第一部分为强化学习基础,讲解强化学习的基础概念和表格型强化学习方法;第二部分为强化学习进阶,讨论深度强化学习的思维方式、深度价值函数和深度策略学习方法;第三部分为强化学习前沿,介绍学术界在深度强化学习领域的主要关注方向和前沿算法。同时,本书提供配套的线上代码实践平台,展示源码的编写和运行过程,让读者进一步掌握强化学习算法的运行机制。
本书理论与实践并重,在介绍强化学习理论的同时,辅之以线上代码实践平台,帮助读者通过实践加深对理论的理解。本书适合对强化学习感兴趣的高校学生、教师,以及相关行业的开发和研究人员阅读、实践。
PyTorch核心开发者教你用PyTorch创建神经网络和深度学习系统的实践指南,基于Python3.6,提供源代码下载,PyTorch联合创作者作序推荐。
1.PyTorch核心开发者教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。
2.详细讲解整个深度学习管道的关键实践,包括 PyTorch张量API、用 Python 加载数据、监控训练以及对结果进行可视化。
3. PyTorch核心知识+真实、完整的案例项目,快速提升读者动手能力:
a.全面掌握PyTorch 相关的API 的使用方法以及系统掌握深度学习的理论和方法;
b.快速从零开始构建一个真实示例:肿瘤图像分类器;
c.轻松学会使用PyTorch 实现各种神经网络模型来解决具体的深度学习问题;
d.章尾附有“练习题”,巩固提升所学知识;更有配套的代码文件可下载并动手实现。
4. PyTorch 联合创作者Soumith Chintala作序推荐!
5. 书中所有代码都是基于Python 3.6及以上的版本编写的,提供源代码下载。
本书适用于那些已成为或打算成为深度学习实践者以及想了解PyTorch的开发人员。我们假设本书的读者是一些计算机科学家、数据科学家、软件工程师、大学生或以后会学习相关课程的学生。由于我们并不要求读者有深度学习的先验知识,因此本书前半部分的某些内容可能对有经验的实践者来说是一些已经了解的概念。对这些读者来说,我们希望本书能够提供一个与已知主题稍有不同的视角。
本书指导读者使用Python和PyTorch实现深度学习算法。本书首先介绍PyTorch的核心知识,然后带领读者体验一个真实的案例研究项目:构建能够使用CT扫描检测恶性肺肿瘤的算法。你将学习用有限的输入训练网络,并处理数据,以获得一些结果。你将筛选出不可靠的初始结果,并专注于诊断和修复神经网络中的问题。最后,你将研究通过增强数据训练、改进模型体系结构和执行其他微调来改进结果的方法。通过这个真实的案例,你会发现PyTorch是多么有效和有趣,并掌握在生产中部署PyTorch模型的技能。
上一版豆瓣评分9.1
1.\"重新定义\"了持续交付,并增补了组织管理和架构两个维度;
2.在第1版的基础上细节优化,增补核心观点:工程效能其实是解决规模化问题,而规模化的一个重点是一致性程度;
3.世界互联网公司软件交付工作原则与方法解析;
4.持续交付和DevOps理念在国内的实践者和布道者乔梁在持续交付领域多年实践经验的精华总结;
5.国内大型互联网公司多位管理者与领域专家合力倾情推荐。
本书分为3个部分:第一部分作者根据自己近十年的工作及咨询经历,通过不断总结、提炼和反思,对原有的持续交付进行修正,重新定义持续交付为实现组织战略目标的能力,并引入持续交付的能力模型;第二部分阐述组织打造持续交付能力模型所需遵循的原则,包括基础原则、组织原则和架构原则;第三部分通过对多个互联网公司案例的解读,阐述如何根据组织的当前状况应用相关原则对最佳实践进行取舍,并快速达到组织能力目标。
本书适合大型互联网公司的技术VP、技术负责人,中小型互联网公司的CTO、技术VP、研发/测试/运维负责人、主管及骨干,以及组织变革者阅读。
本书有如下一些特色。
本书旨在详细介绍ARM64体系结构的相关技术。本书首先介绍了ARM64体系结构的基础知识、搭建树莓派实验环境的方法,然后讲述了ARM64指令集中的加载与存储指令、算术与移位指令、比较与跳转等指令以及ARM64指令集中的陷阱,接着讨论了GNU汇编器、链接器、链接脚本、GCC内嵌汇编代码、异常处理、中断处理、GIC-V2,最后剖析了内存管理、高速缓存、缓存一致性、TLB管理、内存屏障指令、原子操作、操作系统等内容。
1.20多位业界大咖和高校学者联袂推荐的包含了大量关于DevOps落地实践内容的图书
2.国家《企业IT运维发展白皮书》核心作者、中国信通院可信云标准特聘专家、中国信通院低代码/无代码推进中心特聘专家新力作。
3.全局的知识体系和技能矩阵覆盖主流90%的工具,以独特的视角和深刻的见解将 DevOps 的开发、测试、部署与运营等关键流程进行梳理,分析透彻,指导从业者落地实践。
4.3 个核心DevOps实践案例涵盖阿里、腾讯、苏宁,包含DevOps 一系列价值观、原则、方法、实践和工具,用以帮助提高企业 DevOps 的实施效果和交付业务的速度和质量。
5.大量DevOps工具速查内容安装、排错和常见集成手段。讲解的度量体系、反馈体系提供了 DevOps 团队管理需要的重要信息和方法,可以帮助管理者提升项目和团队的效能。
本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容,在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法,以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法,并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。
此外,本书还提供较为全面的习题解答以及Python 代码实现,可以让读者进行端到端、从理论到轻松实践的全生态学习,充分掌握强化学习算法的原理并能进行实战。
本书适合对强化学习感兴趣的读者阅读,也可以作为相关课程的配套教材。
量子计算自然科学书籍,量子理论与量子物理科研,计算机科学量子算法思维方式,国内外学术大咖、产业界嘉宾力荐,全彩印刷,带你轻松踏入量子算法和量子应用的大门!
本书的内容主要包括三部分。第一部分概述了量子计算和量子电路的基础知识。第二部分重点介绍了量子硬件和量子计算算法的基本原理,并提供了多种量子计算方法的实用代码。第三部分详细介绍了掌握量子计算所需的数学工具,特别是把线性代数的核心概念和量子计算联系起来。此外,本书还介绍了**的变分和优化方法,讨论了随机电路采样等前沿应用。
阅读本书,读者不仅能对量子计算的历史和发展脉络有清晰的认识,掌握量子计算的关键知识点,通过随书代码还能亲自体验量子编程,将量子计算的理论知识和动手实践相结合。
本书配套提供代码和习题,既可用于高校的教学,又可用于产业界的技术培训。