剛?cè)腴T深度學習或者覺得學起來很困難的同學看過來了！學姐今天分享的這本深度學習教科書絕對適合你！

噔噔！就是這本已在外網(wǎng)獲13.1萬次下載的寶藏教科書《理解深度學習》。本書由巴斯大學計算機科學教授Simon J.D. Prince撰寫，全書共541頁，目前共有21章，內(nèi)容還在不斷更新。

掃碼添加小享，回復“理解DL”

免費領(lǐng)取完整書籍pdf+答案冊?

書籍內(nèi)容

本書主要介紹深度學習的基礎思想，旨在幫助剛?cè)腴T的讀者理解深度學習背后的原理，全面系統(tǒng)地講解了機器學習的基礎概念以及深度學習的各種模型，包括最新的Transformer和圖神經(jīng)網(wǎng)絡。

書籍第一部分介紹了深度學習模型，并討論了如何訓練、評估這些模型以及如何提高它們的性能。接下來的部分考察了專門用于圖像、文本和圖數(shù)據(jù)的架構(gòu)。后續(xù)的章節(jié)探討了生成模型和強化學習（這些章節(jié)可能需要更多概率和微積分知識）。倒數(shù)第二章探討了這些以及其他尚未完全理解的方面。最后一章討論了AI倫理，并呼吁從業(yè)者考慮他們工作的道德影響。

目錄

• 第1章 引言 Introduction

• 第2章 監(jiān)督學習 Supervised learning

• 第3章 淺層神經(jīng)網(wǎng)絡 Shallow neural networks

• 第4章 深層神經(jīng)網(wǎng)絡 Deep neural networks

• 第5章 損失函數(shù) Loss functions

• 第6章 擬合模型 Fitting models

• 第7章 梯度和初始化 Gradients and initialization

• 第8章 性能評估 Measuring performance

• 第9章 正則化 Regularization

• 第10章 卷積神經(jīng)網(wǎng)絡 Convolutional networks

• 第11章 殘差網(wǎng)絡 Residual networks

• 第12章 Transformers

• 第13章 圖神經(jīng)網(wǎng)絡 Graph neural networks

• 第14章 無監(jiān)督學習 Unsupervised learning

• 第15章 對抗生成網(wǎng)絡 Generative Adversarial Networks

• 第16章 正規(guī)流 Normalizing flows

• 第17章 變分自動編碼器 Variational autoencoders

• 第18章 擴散模型 Diffusion models

• 第19章 深度強化學習 Reinforcement learning

• 第20章 深度學習為何有效? Why does deep learning work?

• 第21章 深度學習與倫理 Deep learning and ethics

推薦理由

這本書只需要我們有本科數(shù)學基礎就可以輕松讀懂。為了節(jié)省讀者時間，更高效地理解深度學習，書籍的每個重點都解釋的非常精煉易懂，每章的主體部分簡明地描述了最基本的思想及配套圖示。

本書的附錄部分復習了所有數(shù)學先修知識，不需要參考外部材料。對于希望深入探究的讀者，每章都有相關(guān)習題（作者也提供了答案）、Python 筆記本和廣泛的背景筆記以供學習。

部分內(nèi)容

書籍

答案

掃碼添加小享，回復“理解DL”

免費領(lǐng)取完整書籍pdf+答案冊?