新智元报道
编辑：元子
整理编辑：元子李沐等大神《动手学深度学习》英文版更新了！这本书与当前其它深度学习教科书相比更加注重交互式的学习体验。作者刚刚对英文版做了更新，全面改进了预备知识一章，并新增了推荐系统一章和深度学习的数学一章。戳右边链接上新智元小程序了解更多！深度学习在短短几年之内便让世界大吃一惊。
它非常有力地推动了计算机视觉、自然语言处理、自动语音识别、强化学习和统计建模等多个领域的快速发展。
随着这些领域的不断进步，人们现在可以制造自动驾驶的汽车，基于短信、邮件甚至电话的自动回复系统，以及在围棋中击败最优秀人类选手的软件。这些由深度学习带来的新工具也正产生着广泛的影响。
与此同时，深度学习也给它的使用者们带来了独一无二的挑战：任何单一的应用都汇集了各学科的知识。
具体来说，应用深度学习需要同时理解：
问题的动机和特点；
将大量不同类型神经网络层通过特定方式组合在一起的模型背后的数学原理；
在原始数据上拟合极复杂的深层模型的优化算法；
有效训练模型、避免数值计算陷阱以及充分利用硬件性能所需的工程技能；
为解决方案挑选合适的变量（超参数）组合的经验。
这就为读者学习深度学习(尤其是在选择学习书目的过程中)带来了一定的挑战。
要论深度学习的经典教材，李沐等合著的《DiveintoDeepLearning》绝对是站在最前排的，中文版《动手学深度学习》。
本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。在校学生和老师可以申请用于本书学习或教学的免费计算资源。
阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。课件、作业、教学视频等资源可参考伯克利“深度学习导论”。
本书首先，对深度学习相关的基础和计算知识、预备知识、以及最基础的概念和技术进行介绍；接着，对深度学习计算的重要组成部分做了深入浅出的介绍，着重对深度学习领域非常重要的两个网络“卷积神经网络”和“循环神经网络”进行讲解；然后还讲到了优化算法和计算性能；最后介绍了计算机视觉、NLP，并通过Kaggle实战案例为大家提供实际项目的练习机会。
近日作者对英文版进行了更新，全面改进了预备知识一章，并新增了推荐系统一章和深度学习的数学一章，相信中文版很快也会跟上。
转载请注明：http://www.baoshijiec.com/yljg/6170.html
