书籍介绍
《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
目录
第 1 章 引言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 本书面向的读者 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
1.2 深度学习的历史趋势 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 神经网络的众多名称和命运变迁 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 与日俱增的数据量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
显示全部
用户评论
翻译没有问题。我对自然语言一块直接讲n—gram模型等等问题而没任何前置有很大的疑惑。你搞给谁看的，定位是哪些人？你这么说，初学者看不懂，懂点MLDL的也看不懂，能畅通DL会这些的又不需要看，最后自然语言范范得几页带过去有什么意思。
感觉这本书不算深入浅出，不过倒是算一副全面的指南
这书主要用来合影的
建议读原版。不过翻译（尤其前几章）算是挺用心了。相比后面的网络介绍，前面的基础以及优化更值得反复读。Goodfellow的个性很细，看得出喜欢符号计算，读起来很舒服。不过CNN我觉得还是CS231n课程讲得好，RNN则看Understanding LSTM那文……
应该再早一点看一看的。能够有系统的重新理解这个方向的知识体系。概率模型和生成模型部分看得好挣扎。还需要更多的时间来消化。
作者很厉害，写的很一般，不适合入门者看、更不适合进阶者看。既不是合格的基础教材、也不是合格的综述文章。
翻译也太烂了吧，实在看不下去
我只能说我真的不能理解这个翻译😓
翻译扣一星
没看完，花书
Z-Library