推荐一本Github上Star 10.2K+ 的书籍---《神经网络与深度学习》

入门深度学习，最重要的就是找一份通俗易懂的书籍！今天给大家推荐一本口碑上佳的中文版深度学习书，名叫《神经网络与深度学习》，由复旦大学老师邱锡鹏出品。

从2016到2019，根据多年教学和研究经验，邱锡鹏教授完成了深度学习教科书《神经网络与深度学习》！

本书籍主要介绍神经网络与深度学习中的基础知识、主要模型（前馈网络、卷积网络、循环网络等）以及在计算机视觉、自然语言处理等领域的应用。

这本书的作者邱锡鹏老师，目前是复旦大学计算机科学技术学院的博士生导师、自然语言处理与深度学习组的副教授。

github上邱锡鹏老师将他的**《神经网络与深度学习》**书籍的pdf和ppt开源了出来。

这本《神经网络与深度学习》全中文版，大大降低了深度学习的语言门槛，让大家有更多的精力放在核心知识内容的学习上。内容上，它面向深度学习小白，从人工智能的基本概念开始讲起，可以说很友好了。此外，各种附加资料一站式配齐：从教材、讲解PPT、示例代码到课后练习，全方位无死角学习。

本书的写作目的是使得读者能够掌握神经网络与深度学习技术的基本原 理，知其然还要知其所以然。全书共 15 章。第 1 章是绪论，介绍人工智能、机器 学习、深度学习的概要，使读者对相关知识进行全面的了解。第 2、3 章介绍了 机器学习的基础知识。

第 4、5、6 章分别讲述三种主要的神经网络模型：前馈神 经网络、卷积神经网络和循环神经网络。第 7 章介绍神经网络的优化与正则化方 法。第 8 章介绍神经网络中的注意力机制和外部记忆。第 9 章简要介绍了一些无 监督学习方法。第 10 章中介绍一些和模型独立的机器学习方法：集成学习、协 同学习、自学习、多任务学习、迁移学习、终身学习、小样本学习、元学习等。这些都是目前深度学习的难点和热点问题。

第 11 章介绍了概率图模型的基本概 念，为后面的章节进行铺垫。第 12 章介绍两种早期的深度学习模型：玻尔兹曼 机和深度信念网络。第 13 章介绍最近两年发展十分迅速的深度生成模型：变分自编码器和对抗生成网络。第 14 章介绍了深度强化学习的知识。第 15 章介绍了 应用十分广泛的序列生成模型。

重要内容：

这本书目前已经更新完，共包含了 16 章内容，从机器学习概论开始，涵盖多种基础神经网络模型的基础知识。课程目录如下：

• 绪论

• 机器学习概述

• 线性模型

• 前馈神经网络

• 卷积神经网络

• 循环神经网络

• 网络优化与正则化

• 注意力机制与外部记忆

• 无监督学习

• 模型独立的学习方式

• 概率图模型

• 深度信念网络

• 深度生成模型

• 深度强化学习

• 序列生成模型

• 数学基础

• 附录 A：线性代数

• 附录 B：微积分

• 附录 C：数学优化

• 附录 D：概率论

• 附录 E：信息熵

资料获取：

1. 关注我们的公众号: 深度学习技术前沿

2. 后台回复：邱锡鹏深度学习 即可以获取资料哈~