高级会员
- 威望
- 340
- 贡献
- 373
- 热心值
- 0
- 金币
- 188
- 注册时间
- 2023-7-21
|
《理解深度学习》
MIT麻省理工出版
深度学习综述类
PDF+代码 23年 最新(几个月前)
注：全英文
计算机科学教授西蒙·J·D·普林斯撰写的《理解深度学习》新书，共有19章，从机器学习基础概念到深度学习各种模型，包括最新的Transformer和图神经网络，系统全面。
本书主要介绍深度学习的基础思想。本书的第一部分介绍了深度学习模型，并讨论了如何训练它们、衡量它们的性能并提高性能。下一部分将讨论专门用于图像、文本和图形数据的体系结构。这些章节只需要线性代数、微积分和概率论的入门，任何数量学科的二年级本科生都应该能读懂。本书后续部分将讨论生成模型和强化学习。这些章节需要更多的概率和微积分知识，目标是更高级的学生。
在写作时，没有人真正理解深度学习。现代深度网络学习的分段线性函数的区域比宇宙中原子的数量还要多，并且可以用比模型参数更少的数据示例进行训练。显然，我们应该能够可靠地拟合这些函数，也不应该很好地泛化到新数据。最后一章讨论这些以及其他尚未完全理解的方面。您的时间是宝贵的，作者努力策划和呈现材料，以便您可以尽可能高效地理解它。每一章的主要内容是对最重要的思想的简要描述，并附有插图。附录回顾了所有的数学先决条件，不需要参考外部材料。对于希望深入研究的读者，每一章都有相关的问题、Python笔记，并总结了该领域的历史和最新研究。
|
-
文字版
-
代码Jupyter
|
发表于 2023-7-23 21:35
