下载掌阅APP，畅读海量书库
立即打开
塞巴斯蒂安·拉施卡（Sebastian Raschka） 获密歇根州立大学博士学位，现在是威斯康星-麦迪逊大学统计学助理教授，从事机器学习和深度学习研究。他的研究方向是数据受限的小样本学习和构建预测有序目标值的深度神经网络。他还是一位开源贡献者，担任Grid.ai的首席AI教育家，热衷于传播机器学习和AI领域知识。
非常感谢Jitian Zhao和Benjamin Kaufman，我有幸与他们一起编写了transformer和图神经网络等章节。也非常感谢Hayden和Vahid的帮助，没有他们就没有这本书。最后，感谢Andrea Panizza、Tony Gitter和Adam Bielski对书稿提出的宝贵意见。
刘玉溪（海登）（Yuxi（Hayden） Liu） 在谷歌公司担任机器学习软件工程师，曾是各种数据驱动领域的机器学习科学家。他是一系列机器学习书籍的作者。他的第一本书 Python Machine Learning By Example 在2017年和2018年亚马逊同类产品中排名第一，已被翻译成多种语言。他撰写的书籍还包括 R Deep Learning Projects 、 Hands-On Deep Learning Architectures with Python 、 PyTorch 1 . x Reinforcement Learning Cookbook 。
我要感谢所有与我共事的人，尤其是我的合著者、Packt出版社的编辑和审稿人，是他们使这本书通俗易懂并与实际应用相融合。最后，我要感谢所有读者的支持，是他们鼓舞着我编写了畅销书 Python Machine Learning 的PyTorch版本。
瓦希德·米尔贾利利（Vahid Mirjalili） 获密歇根州立大学机械工程和计算机科学双博士学位，是一名专注于计算机视觉和深度学习的科研工作者。在读博期间，他提出了一系列解决计算机视觉问题的新算法，发表了多篇计算机视觉领域高被引论文。
Benjamin Kaufman 是威斯康星-麦迪逊大学生物医学数据科学专业在读博士生。Benjamin致力于研究使用机器学习方法发现新药物，他在该领域的工作加深了人们对图神经网络的理解。
Jitian Zhao 是威斯康星-麦迪逊大学的博士生，她的研究方向为开发大型语言模型。她对深度学习的理论和应用都有着浓厚的兴趣。
我要感谢我父母的支持，他们鼓励我追求梦想，激励我做一个好人。