深度学习入门:基于Python的理论与实现

(副标题)：无 ;

(作者): 51epub.cc ;

内容简介：

​
译者序
深度学习的浪潮已经汹涌澎湃了一段时间了，市面上相关的图书也已经出版了很多。其中，既有知名学者伊恩·古德费洛（Ian Goodfellow）等人撰写的系统介绍深度学习基本理论的《深度学习》，也有各种介绍深度学习框架的使用方法的入门书。你可能会问，现在再出一本关于深度学习的书，是不是“为时已晚”？其实并非如此，因为本书考察深度学习的角度非常独特，它的出版可以说是“千呼万唤始出来”。
本书最大的特点是“剖解”了深度学习的底层技术。正如美国物理学家理查德·费曼（Richard Phillips Feynman）所说：“What I cannot create, I do not understand.”只有创造一个东西，才算真正弄懂了一个问题。本书就是教你如何创建深度学习模型的一本书。并且，本书不使用任何现有的深度学习框架，尽可能仅使用最基本的数学知识和 Python 库，从零讲解深度学习核心问题的数学原理，从零创建一个经典的深度学习网络。
本书的日文版曾一度占据了东京大学校内书店（本乡校区）理工类图书的畅销书榜首。各类读者阅读本书，均可有所受益。对于非 AI 方向的技术人员，本书将大大降低入门深度学习的门槛；对于在校的大学生、研究生，本书不失为学习深度学习的一本好教材；即便是对于在工作中已经熟练使用框架开发各类深度学习模型的读者，也可以从本书中获得新的体会。
本书从开始翻译到出版，前前后后历时一年之久。译者翻译时力求忠于原文，表达简练。为了保证翻译质量，每翻译完一章后，译者都会放置一段
时间，再重新检查一遍。图灵公司的专业编辑们又进一步对译稿进行了全面细致的校对，提出了许多宝贵意见，在此表示感谢。但是，由于译者才疏学浅，书中难免存在一些错误或疏漏，恳请读者批评指正，以便我们在重印时改正。
最后，希望本书的出版能为国内的 AI 技术社区添砖加瓦！
　
陆宇杰
2018 年

目录预览：

​ 深度学习入门：基于Python的理论与实现
版权声明
O'Reilly Media, Inc.介绍
译者序
前言
第 1 章　Python 入门
第 2 章　感知机
第 3 章　神经网络
第 4 章　神经网络的学习
第 5 章　误差反向传播法
第 6 章　与学习相关的技巧
第 7 章　卷积神经网络
第 8 章　深度学习
附录 A　Softmax-with-Loss 层的计算图
参考文献
版权信息