《动手学深度学习》

阅读全文 --> 《动手学深度学习》

内容简介

《动手学深度学习》旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的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。此外，读者还可以访问并参与书中内容的讨论。
全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并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。 [1] 本书同时覆盖深度学习的方法和实践，主要面向希望了解深度学习，特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。阅读本书不要求读者有任何深度学习或者机器学习的背景知识，读者只需具备基本的数学和编程知识，如基础的线性代数、微分、概率及Python编程知识。附录中提供了书中涉及的主要数学知识，供读者参考。

作者简介

阿斯顿·张（Aston Zhang）
亚马逊应用科学家，美国伊利诺伊大学香槟分校计算机科学博士，统计学和计算机科学双硕士，专注于机器学习的研究。
李沐（Mu Li）
亚马逊首席科学家（Principal Scientist），加州大学伯克利分校客座助理教授，美国卡内基梅隆大学计算机系博士，专注于分布式系统和机器学习算法的研究，是深度学习框架MXNet的作者之一。
扎卡里·C. 立顿（Zachary C. Lipton）
亚马逊应用科学家，美国卡内基梅隆大学助理教授，美国加州大学圣迭戈分校博士，专注于机器学习算法及其社会影响的研究，特别是在时序数据与序列决策上的深度学习。
亚历山大·J. 斯莫拉（Alexander J. Smola）
亚马逊副总裁/ 杰出科学家，德国柏林工业大学计算机科学博士，曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教，研究兴趣包括深度学习、贝叶斯非参数、核方法、统计建模和可扩展算法。