亚洲AV电影在线,欧美日韩在线播放,国产视频激情,东京热欧美,国产日韩高清在线观看,伊人久久人妻,操逼视频123,亚洲操逼网

文末贈書

國內(nèi)的深度學習從業(yè)者有福啦！深度學習領(lǐng)域的現(xiàn)象級數(shù)學基礎(chǔ)書《深度學習的數(shù)學——使用Python語言》終于被翻譯成中文版啦！這本美亞評分高達4.6的經(jīng)典好書一經(jīng)推出便廣受好評，北京郵電大學陳光老師還在微博上安利了本書。

看看國外多名專家學者對這本書的推薦和贊譽：

“對于任何希望在深度學習算法基礎(chǔ)數(shù)學方面打下堅實基礎(chǔ)的人來說，這是一個很好的資源。這本書通俗易懂，組織良好，并提供了關(guān)鍵數(shù)學概念的清晰解釋和實際示例。我強烈推薦給任何對這個領(lǐng)域感興趣的人。”

——Daniel Gutierrez，insideBIGDATA

“Ronald T. Kneusel 寫了一本方便而緊湊的深度學習數(shù)學指南。對于神經(jīng)網(wǎng)絡(luò)和機器學習的學生、科學家和從業(yè)者來說，它將成為方程式和算法的老套參考。這本書包含方程式、數(shù)字，甚至還有 Python 中的示例代碼，對讀者來說是一個精彩的數(shù)學介紹。”

——David S. Mazel，Regulus-Group高級工程師

“深度學習數(shù)學之所以脫穎而出，是因為它專注于為深度學習提供足夠的數(shù)學基礎(chǔ)，而不是試圖涵蓋所有深度學習，并在此過程中引入所需的數(shù)學。那些渴望掌握深度學習的人肯定會從這種先基礎(chǔ)后內(nèi)部的方法中受益?！?/span>

—Ed Scott，博士，解決方案架構(gòu)師和 IT 愛好者

確實，深度學習是一門以應(yīng)用為導向的學科，然而很多學習者因為沒搞清楚深度學習的數(shù)學原理，導致在解決實際深度學習問題時無法游刃有余。畢竟，實際任務(wù)可能非常復雜，數(shù)據(jù)分布也多種多樣，模型訓練過程又充滿不確定性，目標函數(shù)也需要靈活調(diào)整。這些因素加在一起，很可能把實際項目搞得一塌糊涂。

因此，當《深度學習的數(shù)學——使用Python語言》一書問世時，立即受到了眾多希望進入人工智能領(lǐng)域或者利用深度學習技術(shù)解決實際問題，但缺乏數(shù)學基礎(chǔ)或不知道如何最有效地補充數(shù)學基礎(chǔ)的程序員們的熱切關(guān)注。如今，中文版已隆重推出，希望這本書能給大家的學習帶來幫助。

▼點擊下方，即可購書

視野深入到深度學習底層數(shù)學基礎(chǔ)，拒絕停留在開源模型的簡單使用！

這本書的獨特之處就在于，當其他人還停留在如何使用開源模型的時候，作者就直接將視野深入到了深度學習底層數(shù)學基礎(chǔ)。

統(tǒng)計學、線性代數(shù)、微分，以及很多人容易忽略的矩陣微分，這些深度學習背后的核心數(shù)學概念被一一拆解。作者想通過這本書強調(diào)并鞏固讀者最需要掌握的核心技能——運用神經(jīng)網(wǎng)絡(luò)解決問題所必備的核心數(shù)學基礎(chǔ)。為此，他首先主要介紹了理解深度學習所必備的數(shù)學基礎(chǔ)理論，然后引出更加高級的數(shù)學內(nèi)容，最后重點介紹深度神經(jīng)網(wǎng)絡(luò)的工作機制以及網(wǎng)絡(luò)得以成功訓練的關(guān)鍵技術(shù)，讓讀者通過實際的深度學習算法將之前掌握的內(nèi)容融會貫通。

具體來說，通過本書，讀者可以學會：

? 概率論與統(tǒng)計學的核心內(nèi)容。實際上，傳統(tǒng)機器學習就基于統(tǒng)計學的數(shù)據(jù)模型和求解算法，而現(xiàn)代深度學習中也保留了大量的機器學習思想，例如變分自編碼器中關(guān)于變分推斷的思想，以及生成對抗網(wǎng)絡(luò)中關(guān)于分布擬合的技術(shù)等。

? 線性代數(shù)的關(guān)鍵知識點。這些內(nèi)容是開啟深度學習技術(shù)大門的一把鑰匙。神經(jīng)網(wǎng)絡(luò)是一系列矩陣運算和非線性映射的組合，理解線性代數(shù)和矩陣分析的本質(zhì)，才能更容易洞察神經(jīng)網(wǎng)絡(luò)的工作機制。

? 關(guān)于微分尤其是函數(shù)求導和矩陣微分的知識。這些內(nèi)容對于理解網(wǎng)絡(luò)如何利用梯度的反向傳播進行參數(shù)更新至關(guān)重要。理解了它們，才能夠根據(jù)需要靈活對目標函數(shù)進行優(yōu)化或設(shè)計。

神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)流。作者既闡述了傳統(tǒng)網(wǎng)絡(luò)的情況，也介紹了卷積網(wǎng)絡(luò)中卷積層、池化層和全連接層的工作機制。

? 反向傳播機制。作者介紹了如何通過數(shù)據(jù)圖模型，根據(jù)微分的鏈式法則對目標函數(shù)進行參數(shù)優(yōu)化。掌握這些內(nèi)容后，讀者甚至可以自己實現(xiàn)一個簡單的底層網(wǎng)絡(luò)。

? 梯度下降算法。作者介紹了SGD、Adam等深度學習中解決無約束優(yōu)化問題的經(jīng)典核心算法。深刻理解這些算法能幫助讀者在實戰(zhàn)中快速定位問題，讓網(wǎng)絡(luò)得以正常訓練。

這本書出色的內(nèi)容安排讓讀者學習更輕松，自發(fā)地在社交媒體上邊學習邊做筆記分析學習心得。TechTalks創(chuàng)始人、科技博主Ben Dickson就他對于《深度學習的數(shù)學》的所學所思，撰寫了關(guān)于梯度下降的筆記。

“支撐深度學習的數(shù)學往往看起來令人生畏。最近，我有幸閱讀了 Ronald T. Kneusel 的《深度學習的數(shù)學》，該書深入探討了深度學習的數(shù)學復雜性，并通過示例、Python代碼和視覺效果使其易于理解。本文從《深度學習數(shù)學》第 11 章中汲取靈感，該章對梯度下降進行了全面的解釋。為了更深入地了解，我強烈建議您閱讀整本書。對于任何對深度學習數(shù)學感興趣的人來說，它都是寶貴的資源。”

作譯者皆大有來頭，寫作內(nèi)容有品質(zhì)，譯文水平有保障！

一本經(jīng)典好書的誕生離不開作者和譯者的辛勤貢獻，本書的作譯者皆大有來頭，他們都有真本事，寫的東西品質(zhì)過硬，譯的作品絕對有保障。他們用心創(chuàng)作和翻譯，為讀者帶來深度思考和感悟，堪稱本書的靈魂。

《深度學習的數(shù)學》的作者Ronald T. Kneusel 是一位擅長構(gòu)建深度學習系統(tǒng)的數(shù)據(jù)科學家，在醫(yī)學成像和醫(yī)療設(shè)備開發(fā)方面擁有豐富的經(jīng)驗。他在瓦爾帕萊索大學獲得物理學和數(shù)學本科學位，在密歇根州立大學獲得物理學碩士學位，在科羅拉多大學博爾德分校獲得計算機科學博士學位，研究方向為機器學習。他在工業(yè)領(lǐng)域擁有近 20 年的機器學習經(jīng)驗，目前正在 L3Harris Technologies公司從事深度學習項目。

Kneusel博士在深度學習領(lǐng)域擁有的扎實理論功底和豐富實戰(zhàn)經(jīng)驗，恰好使本書既不會過于深奧而導致門檻過高，又充分保留了重要細節(jié)以確保讀者能真正理解關(guān)鍵內(nèi)容。相信讀者在學習本書的過程中，能夠體會到Kneusel不僅懂深度學習，更懂得如何講明白深度學習背后的數(shù)學原理！

Kneusel博士還是多本暢銷AI書籍的作者，寫作質(zhì)量相當有保障！他曾經(jīng)出版了多部與計算機和機器學習相關(guān)的圖書，包括《隨機數(shù)與計算機》（Random Numbers and Computers）、《實用深度學習》（Practical Deep Learning）、《奇怪的代碼》（Strange Code）和《隨機性的藝術(shù)》（The Art of Randomness）等書。

他的英文原版書大多由 No Starch Press 出版社（無淀粉出版社）出版，書籍內(nèi)容從實用的角度出發(fā)，簡單易懂。對國外計算機相關(guān)出版社有些了解的朋友應(yīng)該知道，No Starch Press 這家獨立出版社專注于出版精心制作、與眾不同的書籍，曾出版了《Python編程快速上手：讓繁瑣工作自動化》《Python編程：從入門到實踐》和《Linux命令行大全》等極客娛樂書籍。由此可見，這本由No Starch Press 出版社操刀的《深度學習的數(shù)學》的實力也不容小覷。

此外，這家出版社的書籍封面更是頗具巧思，極具辨識度，本書的封面也不例外：黃色背景色打底，畫面中顯示一只章魚用不同的觸手在黑板上計算數(shù)學題，很是鮮明有趣。

本書的譯者辛愿也是一位有豐富的人工智能從業(yè)經(jīng)驗的大佬。他碩士畢業(yè)于浙江大學，目前是騰訊深海實驗室負責人&人工智能專家，從事金融量化和人工智能的研究。他曾在百度從事推薦系統(tǒng)、用戶畫像、數(shù)據(jù)采集等相關(guān)研究工作，擁有多項專利，組織過上海大數(shù)據(jù)技術(shù)沙龍。

辛愿不僅技術(shù)過硬，翻譯水平也十分出色，他的譯文不僅忠于原文而且符合中文習慣，讀起來非常自然流暢。他曾經(jīng)翻譯過《貝葉斯方法：概率編程與貝葉斯推斷》，并因此獲得了異步社區(qū)2016年度優(yōu)秀譯者獎。

使用Python動手實操，掌握深度學習的數(shù)學知識更是錦上添花！

同樣是寫深度學習領(lǐng)域的技術(shù)、寫數(shù)學知識，Kneusel博士也比同類書籍更進一步。他沒有老生常談地用大量公式證明和練習題來輸出數(shù)學知識，而是通過動手實操來闡述各種概念。為此，他在第一章中就引導讀者親自動手搭建工作環(huán)境，并簡要介紹了各個Python組件，同時還提供了一些深入學習的參考鏈接。