[德] 埃尔维斯·穆里纳(Elvis Murina)
人物简介：
Oliver Dürr是德国康斯坦茨应用科学大学的教授，研究方向为数据科学。Beate Sick在苏黎世应用科技大学担任应用统计学教授，在苏黎世大学担任研究员和讲师，在苏黎世联邦理工学院担任讲师。Elvis Murina是一名研究科学家，负责本书附带的大量练习代码的编写。
Dürr和Sick都是机器学习和统计方面的专家。他们指导了大量以深度学习为研究方向的学士、硕士和博士论文，并策划和开展了多门研究生、硕士层次的深度学习课程。三位作者自2013年以来一直从事深度学习方法的研究，在相关教学和概率深度学习模型开发方面都拥有丰富的经验。
概率深度学习 使用Python、Keras和TensorFlow Probability书籍相关信息
- ISBN：9787302598657
- 作者：[德] 奥利弗·杜尔(Oliver Dürr) / [德] 贝亚特·西克(Beate Sick) / [德] 埃尔维斯·穆里纳(Elvis Murina) / 崔亚奇 / 唐田田 / 但波
- 出版社：:清华大学出版社
- 出版时间：2022-3
- 页数：暂无页数
- 价格：98
- 纸张：暂无纸张
- 装帧：平装
- 开本：暂无开本
- 语言：暂无语言
- 丛书：清华社人工智能系列
- 原作名：Probabilistic Deep Learning：With Python, Keras and TensorFlow Probability
- 适合人群：研究生、博士生、数据科学家、机器学习工程师、对深度学习和概率论有浓厚兴趣的程序员、希望掌握概率深度学习技术的专业人士
- TAG：概率论 / 数据科学 / 深度学习 / 机器学习 / Python编程 / Keras框架 / TensorFlow库
- 豆瓣评分：暂无豆瓣评分
- 更新时间：2025-05-10 04:44:06
内容简介：
世界充满了噪声和不确定性。概率深度学习模型可对这些噪声和不确定性进行建模，并将所建的模型应用于现实世界，帮助深度学习工程师评估其结果的准确性、发现错误，并加深他们对算法工作原理的理解。这对自动驾驶汽车和科学测试来说至关重要。
《概率深度学习使用Python、 Keras和TensorFlow Probability》 是关于神经网络原理的实践指南，引导读者学习使用不同数据类型的正确分布来提升网络性能，同时推导贝叶斯变体，以通过表达模型自身的不确定性来提高准确性。本书采用了主流的实现框架，提供了易于应用的代码，让读者更加注重实际应用。
主要内容
●探索深度学习的最大似然原理和统计学基础
●发现能输出各种可能结果的概率模型
●学习使用标准化流来建模和生成复杂分布
●使用贝叶斯神经网络获取模型中的不确定性
