动手学深度学习

动手学深度学习

题材是热门的深度学习,内容上也是适合各种水平的读者。最为可贵的是,本书是面向社区开源的,书稿也是在作者和社区贡献者的努力下一起完善。

今天向大家介绍一本最近特别火爆的 IT 技术书,人邮出版社最新出版的《动手学深度学习》。题材是热门的深度学习,内容上也是适合各种水平的读者。最为可贵的是,本书是面向社区开源的,书稿也是在作者和社区贡献者的努力下一起完善

面向中文读者的能运行、可讨论的深度学习教科书

本书将全面介绍深度学习从模型构造到模型训练的方方面面,以及它们在计算机视觉和自然语言处理中的应用。我们不仅将阐述算法原理,还将基于Apache MXNet对算法进行实现,并实际运行它们。本书的每一节都是一个Jupyter记事本。它将文字、公式、图像、代码和运行结果结合在了一起。读者不但能直接阅读它们,而且可以运行它们以获得交互式的学习体验。

本书的英文版Dive into Deep Learning是加州大学伯克利分校2019年春学期“Introduction to Deep Learning”(深度学习导论)课程的教材。截至2019年春学期,本书中的内容已被全球15 所知名大学用于教学。

豪华作者团

作者均为亚马逊深度学习应用专家。提供了足够的技术深度,从而帮助读者实际成为深度学习应用科学家:既理解数学原理,又能够实现并不断改进方法。

每一小节都是可以运行的 Jupyter 记事本

可以自由修改代码和超参数来获取及时反馈,从而积累深度学习的实战经验。

每一小节都是可以运行的 Jupyter 记事本

可以理解为,本书在撰写时就是基于 Jupyter Notebook 完成的。可以参考前段时间分享的,《用Jupyter Notebook 写书》一文,了解相关方案。

公式 + 图示 + 代码

不仅结合文字、公式和图示来阐明深度学习里常用的模型和算法,还提供代码来演示如何从零开始实现它们,并使用真实数据来提供一个交互式的学习体验,而且可以修改代码、观察结果并及时获取经验;

内容和结构

本书内容大体可以分为3个部分:

第一部分(第1章至第3章)涵盖预备工作和基础知识。第1章介绍深度学习的背景。第2章提供动手学深度学习所需要的预备知识,例如,如何获取并运行本书中的代码。第3章包括深度学习最基础的概念和技术,如多层感知机和模型正则化。如果读者时间有限,并且只想了解深度学习最基础的概念和技术,那么只需阅读第一部分。

第二部分(第4章至第6章)关注现代深度学习技术。第4章描述深度学习计算的各个重要组成部分,并为实现后续更复杂的模型打下基础。第5章解释近年来令深度学习在计算机视觉领域大获成功的卷积神经网络。第6章阐述近年来常用于处理序列数据的循环神经网络。阅读第二部分有助于掌握现代深度学习技术。

第三部分(第7章至第10章)讨论计算性能和应用。第7章评价各种用来训练深度学习模型的优化算法。第8章检验影响深度学习计算性能的几个重要因素。第9章和第10章分别列举深度学习在计算机视觉和自然语言处理中的重要应用。这部分内容读者可根据兴趣选择阅读。

如何获取

本文介绍整理自书籍官网。

下载量 151

基本信息
最新版本 第 1 版
类别 深度学习
更新时间 2019-06-30
关注公众号 扫码关注编程派的微信公众号

扫码关注,接收最新资源推送

历史版本
版本 语言 更新时间 下载
第 1 版 中文 2019.06.30 城通网盘