阿達沙 希瓦南達

《計算機視覺與PyTorch項目實戰：基於深度學習框架的端到端產品級模型設計與開發》使用PyTorch 框架來討論計算機視覺算法及其應用。首先介紹計算機視覺基礎，主題涉及卷積神經網絡、ResNet、YOLO、數據增強和業內使用的其他常規技術。隨後簡要概述PyTorch 庫。接下來探究圖像分類問題、對象檢測技術以及如何在訓練和運行推理的同時實現遷移學習。最後通過一個完整的建模過程來闡述深度學習框架PyTorch 是如何運用優化技巧和模型AI 可解釋性的。 《計算機視覺與PyTorch項目實戰：基於深度學習框架的端到端產品級模型設計與開發》適合具有一定基礎的中高級讀者閱讀和參考，可以幫助他們使用遷移學習和PyTorch 來搭建產品級的計算機視覺模型。

《Python推薦系統實戰：基於深度學習、NLP和圖算法的應用型推薦系統》分為4部分，包含11章。首先介紹推薦系統的基本方法，接著探討當前流行的一些方法，具體包括協同過濾推薦系統、內容推薦系統以及混合推薦系統。接下來討論如何運用當前的機器學習算法來實現推薦系統。最後討論推薦系統的相關趨勢和新興技術。 《Python推薦系統實戰：基於深度學習、NLP和圖算法的應用型推薦系統》特別適合零基礎的數據科學工作者參考和使用。它可以幫助讀者從基礎知識起步，逐步學習運用Python、深度學習和自然語言處理技術來構建推薦系統，以促進業務增長和提高客戶忠誠度。