【導讀】Andrew Trask 是DeepMind的科學家，同時也是OpenMinded的負責人。他著作的《Grokking Deep Learning》(《圖解深度學習》)，由Manning出版社出版，并采用MEAP，從2016年8月開始，一直采用不定期更新的方式放送。時至今日，這本書終于完本啦，完結撒花。本書主打入門教學，書中各種插畫豐富生動，是學習深度學習的入門好書。
Grokking Deep Learning
人工智能是本世紀最令人興奮的技術之一，深度學習在很多方面都是世界上最強大人工智能系統背后的“大腦”。這些系統模仿人類大腦內部的神經元行為，正迅速趕上人類創造者的智力水平，打敗世界圍棋冠軍，在視頻游戲、駕駛汽車、翻譯語言、有時甚至幫助執法部門打擊犯罪方面取得超人的表現。深度學習是一場正在改變全球每個行業的革命。
探索深度學習，更深入地挖掘深度學習的世界。這本書和視頻組合涵蓋一切，你需要真正探索這個令人興奮的世界。
這本書將幫助您真正理解如何從頭開始構建深度學習算法。你將理解深度學習是如何在比人類更高的層次上學習的。你將能夠理解最先進的人工智能背后的“大腦”。此外，與其他假定具有高級微積分知識并利用復雜數學符號的課程不同，如果您是通過高中代數考試的Python黑客，那么您已經準備好了。到最后，你甚至可以造一個人工智能來學習在經典的雅達利游戲中打敗你。
地址：
//livebook.manning.com/#!/book/grokking-deep-learning
代碼地址：
付費5元查看完整內容
相關內容
從生態系統中的捕食者-被捕食者數量，到體內的激素調節，自然界中充滿了對我們產生深遠影響的動力系統。這本書為在生命科學中描述這些相互作用的系統并理解和預測他們的行為的學生開發必要的數學工具。復雜的反饋關系和反直覺的反應在自然界的動力系統中是常見的; 這本書發展了需要探索這些相互作用的定量技能。
微分方程是量化變化的自然數學工具，也是貫穿全書的驅動力。歐拉方法的使用使非線性實例易于處理，并可用于早期本科生的廣泛范圍，從而提供了一種實用的替代傳統微積分課程的程序方法。工具是在大量的，相關的例子中開發的，并強調整個數學模型的構建、評估和解釋。在情境中遇到這些概念，學生不僅學習定量技術，而且學習如何在生物學和數學思維方式之間架起橋梁。
例子范圍廣泛，探索神經元和免疫系統的動力學，通過人口動力學和谷歌PageRank算法。每個場景只依賴于對自然世界的興趣;學生或教師不假定有生物學專業知識。建立在一個單一的預微積分的前提下，這本書適合兩個季度的序列為一或二年級本科生，并滿足數學要求的醫學院入學。后面的材料為數學和生命科學的更高級的學生提供了機會，在一個豐富的、真實世界的框架中重溫理論知識。在所有情況下，焦點都很清楚:數學如何幫助我們理解科學?
付費5元查看完整內容
簡介： 人工智能是本世紀最激動人心的技術，而且從字面上看，深度學習是世界上最智能的人工智能系統背后的“大腦”。 Grokking深度學習是開始深度學習之旅的理想場所。 讀者不僅會學習某些庫或框架的“黑匣子” API，還將真正理解如何從頭開始完全構建這些算法。
目錄：
- chapter 1：深度學習介紹
- chapter 2：基礎章節: 機器是如何學習的
- chapter 3：前向反饋-神經預測介紹
- chapter 4：梯度下降
- chapter 5：廣義梯度下降
- chapter 6：前向反饋-構建神經網絡
- chapter 8：正則化介紹-學習信號與降噪
- chapter 9：激活函數-學習概率模型
- chapter 10：卷積神經網絡-學習邊角問題
- chapter 11：詞向量
- chapter 12：RNN-預測下一個詞
- chapter 13：自變分器
- chapter 14：LSTM
- chapter 15：聯合學習
付費5元查看完整內容
簡介： 《圖解深度學習》是由Pearson的Addison-Wesley出版社于2019年出版的關于深度學習的一本可視化圖書。它在多個購物網站位居銷量第一，成功擠入AI與Python類別的排名前十的暢銷書。
深度學習促進強大的新型工智能功能，并使算法性能達到前所未有的高度。 《圖解深度學習》這本書具有獨特的直觀性，并對深度學習進行了全方面介紹。它配備了全彩圖形和易于遵循的代碼，消除了構建深度學習模型的復雜性，使其更易于學習且有趣。本書還提供了相關代碼。
作者介紹： 牛津大學博士，是機器學習創業公司untapt的首席數據科學家。 他講述了一系列廣受贊譽的教程，包括使用TensorFlow進行深度學習和用于自然語言處理的深度學習。 喬恩（Jon）在紐約市數據科學學院（New York City Data Science Academy）的課堂上教授深度學習課程，并在哥倫比亞大學（哥倫比亞大學）做客座演講。
是untapt的數據科學家，研究方向為自然語言處理。 生物醫學科學博士，研究病毒與其宿主之間的關系。 他是Deep Learning Study Group.org的創始成員。
目錄：
- 深度學習介紹
- 人與機器語言
- 機器的藝術
- 機器可做的事情
- 理論與代碼
- 神經網絡
- 訓練深度模型
- 提高網絡性能
- 自然語言處理
- 對抗神經網絡
- 深度強化學習
- 實戰
- 附錄
相關鏈接：
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191