活动新闻

人工智能研究院译著《Pytorch深度学习实战》发布

发布单位：北石化人工智能研究院发布日期：2024年08月22日

在北京市教委大力支持下，人工智能研究院王文通助理教授、刘强教授翻译的《PyTorch深度学习实战——构建、训练和部署神经网络模型》一书，由机械工业出版社出版。

本书以问题与解决方案的形式，介绍了在PyTorch中构建、训练和部署各类深度学习模型的技巧，并提供大量相应的代码示例，以便将这些概念顺利应用于实际项目中。本书的优势在于，采用易于理解的问题与解决方法的结构，全面而详尽地讲解PyTorch的使用方法，助力读者迅速掌握PyTorch在实际项目中的应用。本书适宜初学者以及具备一定PyTorch经验的技术人员阅读。目标是让读者学会运用PyTorch解决实际问题，成为熟练的PyTorch实践者。

内容简介

近年来，人工智能产品与解决方案的开发已逐渐成为主流趋势，因此基于图计算框架的需求正不断攀升。本书的核心主题是利用PyTorch框架开展深度学习建模。作为当前人工智能领域的热点技术，深度学习在计算机视觉、自然语言处理等领域具有广泛应用。本书适用于数据科学家、自然语言处理工程师、人工智能解决方案开发者、从事图计算框架工作的专业人士以及图论研究人员。本书旨在为读者提供张量基础知识及计算方面的入门指导。

通过学习本书，读者将掌握如何运用PyTorch 框架进行算术操作、矩阵代数和统计分布运算。第3 章和第4 章详细描述了神经网络的基础知识。探讨了卷积神经网络、循环神经网络和LSTM 等高级神经网络。读者将能够使用PyTorch 函数实现这些模型。第5 章和第6 章讨论了模型的微调、超参数调整以及生产环境中现有PyTorch 模型的改进。读者将学习如何选择超参数来微调模型。第7 章讲解了自然语言处理。深度学习模型及其在自然语言处理和人工智能中的应用是业内要求最高的技能组合之一。读者将能够对执行和处理自然语言的PyTorch 实现进行基准测试。此外，读者能够将PyTorch 与其他基于图计算的深度学习编程工具进行比较。

本书内容覆盖面广。大部分算法均提供简洁且现成的Python源代码，便于读者进行验证。在此基础上，稍作修改和扩展，便可打造出适用于个人需求的项目代码。本书重点关注算法结论的分析与应用，使读者能够迅速掌握各种算法的特点及使用方法，而非纠结于算法细节。此外，本书结合实例，丰富实用，深入浅出地讲解了神经网络模型中典型且广泛应用的算法。

编辑推荐

适读人群：对计算机视觉、自然语言处理感兴趣的人士

本书的核心优势在于,采用易于理解的问题与解决方案的结构,全面而详尽地讲解了PyTorch的使用方法,并提供了大量相应的代码示例,以便将这些概念顺利应用于实际项目中。

作者简介

Pradeepta Mishra 是一位在人工智能领域具有深厚造诣的专家,在数据科学和人工智能架构方面拥有丰富的实践经验,目前担任FOSFOR 公司旗下5 个产品的自然语言处理、机器学习及人工智能计划的主管。FOSFOR 公司作为业界领先的人工智能和机器学习创新公司,始终站在技术前沿。Pradeepta Mishra 的专长在于设计卓越的人工智能系统,尤其在理解和处理自然语言以及基于自然语言处理的推荐系统方面展现出超凡的专业能力。他作为发明人共申请了12 项专利,并在学术领域取得了丰硕的成果。他先后撰写了5 本著作,内容涵盖数据挖掘、空间数据、文本数据、网络数据和社交媒体数据等多个领域。这些书籍均由知名出版社出版发行,分别为《R 数据挖掘蓝图》(Packt 出版社,2016 年)、《R:挖掘空间、文本、网络和社交媒体数据》(Packt 出版社,2017 年)、《PyTorch 秘籍》(Apress,2019 年) 和《Python 实用说明性人工智能》(Apress,2022 年)。基于这些学术成果,他还在在线教育平台Udemy 上开设了两门相关课程,为广大学员提供了宝贵的学习资源。在2018 年全球数据科学大会上,Pradeepta 发表了关于双向LSTM 在时间序列预测中的主题演讲,为参会者提供了深入的技术见解。此外,他在TED 演讲中探讨了人工智能对行业转型和变革工作角色的影响,引发了广泛的思考和讨论。Pradeepta 不仅在专业领域有所建树,还热衷于分享他的知识和经验。曾在各类聚会、技术机构、大学和社区论坛上进行了150 余场技术演讲,为听众提供了宝贵的洞见。如需了解更多关于Pradeepta 的信息。关于技术审查员Chris Thomas 是一位在人工智能和机器学习领域拥有丰富研究和开发经验的英国顾问。他还是英国分析师和程序员协会的专业会员,拥有超过20 年的技术专业生涯经验。在此期间,他曾在公共部门、半导体行业、金融、公用事业和营销领域担任要职,积累了丰富的实践经验。

译者简介

王文通，北京石油化工学院助理教授，北京工业大学计算机科学与技术专业博士，北京航空航天大学博士后。主要研究领域为：人体姿态估计、知识图谱和医学图像处理。累计发表论文10余篇，获得国家发明专利授权2项，软件著作权2项。论文累计被引1400余次，并获2020年《北京地区广受关注学术论文》奖。作为核心成员参与多项重大重点项目的研究工作，包括国自然科学基金面上项目2项，北京市自然基金面上项目2项。担任中国图象图形学学会多媒体专委会委员、中国图学学会可视化与认知计算专委会委员、北京人工智能学会会员。

刘强，博士，教授，博导，北京石油化工学院人工智能研究院院长，中韩人工智能国际联合研究中心主任、中国科学院计算机网络信息中心-北京石油化工学院人工智能联合实验室联席主任、北京肛肠学会医工结合研究中心主任。曾任职IBM中国研究院、中国电子信息产业集团等，担任研发和科研管理职位。近年来主要从事智能医学装备、智能机器人、人工智能芯片研究，研制成果包括眼科OCT光学相干断层扫描成像仪、眼科超广角眼底彩色照相机、便携式眼科OCT照相机、光声显微成像仪、数字听诊器与肠鸣音分析系统、光谱治疗仪、生物药物智能机器人、医学影像智能分析系统（眼科影像、肠道CT）等，部分设备进入临床应用，发表论文20余篇，专利11项，软件著作权7项。兼任中关村电子商会人工智能专委会秘书长、北京人工智能学会理事、中国石油化工信息学会理事、中国石油化工研究会理事、中国计算机学会人工智能专委会通讯委员。

（编辑：王文通审核：刘强批准：刘强）