《深入浅出深度学习:原理剖析与Python实践》| 每日读本书

编辑推荐

本书最大的特色在于取舍明确,一切无助于迅速理解深度学习精髓的内容全被摒弃了,并着重阐述了技术上的重点和难点;表达上深入浅出:即便是从未接触过AI知识的人,也能从作者简明清晰的表述中,一窥深度学习的殿堂。

对任何一位想成为AI/深度学习领域工程师的读者来说,《深入浅出深度学习:原理剖析与Python实践》能帮你迅速打开AI的大门,并成长为一名合格的AI工程师。

《深入浅出深度学习:原理剖析与Python实践》| 每日读本书
黄安埠 著 / 2017年6月出版

内容提要

《深入浅出深度学习:原理剖析与Python实践》介绍了深度学习相关的原理与应用,全书共分为三大部分,第一部分主要回顾了深度学习的发展历史,以及Theano的使用;第二部分详细讲解了与深度学习相关的基础知识,包括线性代数、概率论、概率图模型、机器学习和最优化算法;在第三部分中,针对若干核心的深度学习模型,如自编码器、受限玻尔兹曼机、递归神经网络和卷积神经网络等进行详细的原理分析与讲解,并针对不同的模型给出相应的具体应用。

《深入浅出深度学习:原理剖析与Python实践》适合有一定高等数学、机器学习和Python编程基础的在校学生、高校研究者或在企业中从事深度学习的工程师使用,书中对模型的原理与难点进行了深入分析,在每一章的最后都提供了详细的参考文献,读者可以对相关的细节进行更深入的研究。最后,理论与实践相结合,《深入浅出深度学习:原理剖析与Python实践》针对常用的模型分别给出了相应的应用,读者也可以在Github中下载和查看《深入浅出深度学习:原理剖析与Python实践》的代码。

作者简介

黄安埠

2012年毕业于清华大学,获硕士学位,在校期间活跃于TopCoder等编程竞赛社区。现为腾讯基础研究高级工程师,研究领域包括个性化推荐、自然语言处理和大规模的相似度优化计算,特别是对于深度学习在推荐系统的应用有深入的研究,并申请了国内十余项相关专利。

媒体评论

在这个人工智能红红火火的年代,写出一本能让初学者和“老司机”同样感到非常有用的机器学习书是一件很有意义却又不容易的事。黄安埠的《深入浅出深度学习:原理剖析与Python实践》就做到了这一点。 本书从最基本的人工智能假设出发,回顾了人工智能的发展简史,很自然地把读者带入现代常用的算法、思想和实践中。从数学基础,到编程例证,再到各个流行的开源软件包,本书起到了入门与工具的作用。同时,书的后半部也帮助读者深入了解深度学习的思维和实践。
我一直在寻找一本既可以用于教学也能给学生动手做系统的工具书,现在很高兴地向大家推荐:本书就可以达到这个目的。

—— 杨强 香港科技大学计算机系主任,中国人工智能协会副理事长

本书内容全面,但是取舍明确,有重点地深入,尤其对于技术的重点难点解释得很详细,深入浅出:着重于原理的解释和动手实践的路径,但是并不拘泥于细枝末节。

认真读完此书,读者应该拥有三项能力:一是读得懂深度学习的论文;二是读得懂深度学习的代码;三是能够自行开发简单的深度学习应用。
在深度学习技术异常火爆,深度学习工程师奇缺的当下,如何快速培养深度学习方向的工程师,是一个迫切的问题。此书是难得的好教材。

—— 邓侃 博士,北京大数医达科技有限公司CTO

精彩导读

前言

What magical trick makes us intelligent? The trick is that there is no trick. The power of intelligence stems from our vast diversity, not from any single, perfect principle.
—— Marvin Minsky
智能(Intelligence)这个词的出现最早可以追溯到古希腊时期,当时人们已经开始梦想能创造出一种像人类一样,具有独立思考和推理能力的机器,但由于受到当时生产力水平的制约,古人对“智能”的研究更多的是停留在理论探索阶段。到了近代,尤其是具有划时代意义的达特茅斯会议的召开,标志着人工智能开始从理论探索进入到理论与应用相结合的实践阶段。从世纪年代开始,人工智能的发展大致经历了三个阶段,分别从最初的逻辑推理,到统计机器学习,再到近年来逐渐占据主流地位的深度学习。

虽然深度学习是一门以神经网络为核心的学科,但人们普遍认为深度学习始于2006年,当时Hinton等人提出基于深度置信网络(DBN)逐层预训练的方法来训练深层模型,并首次提出了深度学习的概念。此后,深度学习开始进入人们的视野,但那时候深度学习更多的是少数顶尖科学家研究的领域,并没有得到大规模的应用和推广。直到2012年,Hinton和他的两个学生Alex Krizhevsky、Illya Sutskever,将卷积神经网络应用到ImageNet竞赛中,并取得了分类错误率15%的成绩,这个成绩比第二名低了近个11百分点,这一历史性的突破,使得人们开始意识到深度学习所拥有的巨大潜力,在这之后,深度学习开始在工业界,尤其是计算机视觉、语音识别和自然语言处理等领域,大规模应用,并且取得了比以往更好的效果。到了2016年,随着AlphaGo的横空出世,它的惊人表现将深度学习的热度推向了顶峰,因此2016年也被很多学者认为是人工智能元年,事实上,当前人工智能已经影响到人们生活的各个方面,如语音助手、语音搜索、无人驾驶汽车、人脸识别等,为人们的生活带来了极大的方便,人工智能也必将在今后相当长的一段时间内,继续推动着人类的技术发展。

在本书编写的过程中,市面上有关深度学习方面的中文书籍较少,因此作者希望能从理论和应用相结合的角度,对深度学习的相关知识进行较为全面的梳理,本书既可以作为初级读者的入门书籍,也适合中级读者用来加深对理论知识的理解。本书覆盖了线性代数、概率论、数值计算与最优化等基础知识,以及深度学习的两大核心:概率图模型和深度神经网络。


积跬步以至千里。每天读本书,为您搜罗最具权威专业书籍,更多图书推荐请关注每日读书

好知识需要分享,如您有喜欢的书籍想与广大开发者分享,请在文章下方评论留言,我们将为大家推荐您的爱书!

上一篇:《Python编程快速上手——让繁琐工作自动化》——2.11 习题


下一篇:《Python编程快速上手——让繁琐工作自动化》——2.9 用sys.exit()提前结束程序