太强了，一位算法大神的Python笔记
当前，深度学习模型的规模越来越大，例如谷歌的BERT模型、OpenAI的GPT系列模型等；深度学习算法在不断优化，例如计算机视觉领域，图像分类的准确率显著提升；深度学习的应用领域在不断拓展，在医疗、金融等领域也得到了广泛应用。因此，从事深度学习相关工作，需要不断学习和巩固基础知识，提升业务实践能力，持续关注新技术和新方法，并不断拓展知识面。
BERT模型（左） GPT系列模型（右）
一年前，我们重磅推出了一本深度学习领域的“学霸笔记”——《深度学习高手笔记 卷1：基础算法》（简称卷1），读者纷纷表示这本书知识全面，读完之后受益匪浅，并且疯狂催促我们出版后续的书。
现在，它来了！《深度学习高手笔记 卷2：经典应用》
▼点击下方，即可购书
同样的作者，更全面的内容，有了这本笔记，你就可以了解到近10年来深度学习在各个领域的进展，学会如何应用不用方向、不同领域的算法；有了这本笔记，你就可以在深度学习领域少走弯路，更快地掌握深度学习技术的精髓。让我们一起跟随这本书，深入探索深度学习的奥秘，成为真正的算法大神吧！
Part.1
别怕，大师兄为你保驾护航
本书作者刘岩，曾先后就读于重庆大学软件工程专业和澳门大学计算机科学专业，分别获得学士学位和硕士学位，期间发表多篇论文。作为知乎“深度学习”话题的优秀答主，他被大家亲切地称为“大师兄”，个人撰写的100多篇文章细致入微，循循善诱，如同师兄为后辈引路一般，很快就积累了3万粉丝。
目前，他就职于京东零售技术研发与数据中心，主要负责电商场景下的基础算法研究以及内容风控业务，包括风险舆情监控和挖掘、风险电商内容的发现和治理等。作为一位优秀的算法专家，他擅长前沿人工智能算法的原理分析和落地，先后参与并负责了深度学习多个算法在业务上的落地，例如OCR、公式识别、手势识别、视频抠像、文本分类、预训练词向量模型、语言识别、图神经网络等。
本书通过扎实、详细的内容，从理论知识、算法源码、实验结果等方面对深度学习中涉及的算法进行分析和介绍。本书结构清晰，内容兼具广度与深度，致力于介绍深度学习中经典的、前沿的应用。作者以其丰富的实践经验和深厚的理论基础，将复杂的技术以易于理解的方式呈现，书中的章节设计独立且相互补充，即使只关注特定算法，也能轻松获取所需信息。通过阅读本书，读者可以了前沿的深度学习算法，扩展自己的算法知识面。无论是从事深度学习科研的教师及学生，还是从事算法落地实践的工作人员，都能从本书中获益。
第一篇 目标检测与分割
主要介绍深度学习在目标检测与分割方向的前沿算法，包括双阶段检测、单阶段检测、无锚点检测、特征融合、损失函数、语义分割这 6 个方向。
第二篇 场景文字检测与识别
主要介绍深度学习在场景文字检测与识别方向的重要突破，主要介绍场景文字检测、场景文字识别这两个阶段的算法。
第三篇 其他算法与应用
主要介绍深度学习的其他算法与应用，包括图像翻译、图神经网络、二维结构识别、人像抠图、图像预训练、多模态预训练这6个方向的算法。
附录部分
介绍双线性插值、匈牙利算法、Shift-and-Stitch、德劳内三角化、图像梯度、仿射变换矩阵等内容。
Part.2
知名教授作序，尽显领域权威
这是一本非常出色的图书，它涵盖了目标检测、图像分割、光学字符识别（OCR）、图神经网络、图像生成等多个关键方向。本书作者以其丰富的工作经验和严谨的学术思维，将复杂的概念和技术转化为通俗易懂的内容。无论你是初学者还是专业人士，本书都会为你提供宝贵的知识和实用的指导。
文俊浩
重庆大学大数据与软件学院教授
中国计算机学会理事，CCF重庆分部主席
本书的多个应用，例如目标检测、OCR、生成模型、图模型等都是目前非常重要的科研和落地方向。如果你想了解AI正在那些地方发光发热以及AI未来几年的发展方向，本书将是你的不二选择。
唐远炎
澳门大学计算机与信息科学系首席教授，香港浸会大学计算机科学系名誉教授
IEEE Felllow、IAPR Fellow、AIAA Fellow
Part.3
揭开笔记的神秘面纱
超清全彩印刷，捕捉细微，满足视觉享受。
原始论文着手，深入剖析，从思路看本质。
原始论文着手，深入剖析，从思路看本质。
Part.4
来自大师兄的嘱咐
小异将我们的读者进行了大致分类，欢迎大家根据自己的实际情况进行选择。
我基础较为薄弱：
可以结合两本书以及本书提供的知识拓扑图和章节先验知识，选择优先阅读知识拓扑图中无入度的章节，读懂该章节后可以在知识拓扑图中划掉这个节点，然后逐步将知识拓扑图清空；
我有一定基础：
可以按顺序阅读本书，并在遇到陌生的概念时再根据每一节提供的先验知识去阅读相关章节；
我只想了解一些特定的算法；
可以直接阅读对应章节，因为本书各章节的内容比较独立，而且会对重置的先验知识进行复盘，所以单独阅读特定章节也不会有任何障碍。
本书和卷1有知识点的重叠和交叉，小异在这里建议读者朋友同时阅读这两本书。如果在深度学习的基础知识方面较为薄弱的话，一定要在阅读完卷1之后再来学习这本书哦，这样才能事半功倍，收获更多，彻底打通深度学习的“任督二脉”！
▼点击下方，即可购书
