📚 网上馆配 · 在线荐购平台

内容简介：本书共9章。第1章回顾人工智能发展历程，并介绍人工智能的三大学派等，引出深度学习。第2章涵盖数据预处理、微积分、线性代数、概率论等基础知识。第3章至第6章依次讲解神经网络基础、卷积神经网络原理与实践、循环神经网络原理与实践及图神经网络原理与实践。第7章聚焦经典注意力机制及Transformer，揭示其在深度学习模型结构中的关键地位。第8章介绍自编码器、GAN与扩散模型，展示生成式学习的发展。第9章分析前沿大模型，讨论GPT、视觉大模型、具身智能等热点。