深度学习啃“花书”指南

深度学习，即用深度神经网络进行机器学习和数据挖掘。进几年在图像识别、语音识别、自然语言处理等领域取得了革命性进展。
“花书”因书的封面为花园而得名，被业界称为深度学习的圣经，它用500页篇幅详细讲解了深度学习的数学、算法、各式各样的神经网络及其前沿进展。有最简单的机器学习的数学基础（线性代数、概率论），二分类的逻辑回归，处理图像数据的卷积神经网络，处理序列数据的循环神经网络，长短时记忆神经网络，生成数据的生成对抗网络。
以“花书”的中文版为例，“花书”一共分为三部分。
第一部分是应用数学与机器学习基础，其实就是我们本科学的数学加上一点机器学习基础。
第二部分会介绍各式各样的神经网络，有简单的深度前馈网络，处理图像数据的卷积神经网络，处理序列数据的循环神经网络和递归神经网络，以及训练神经网络过程中的一些注意事项（如使用正则化防止过拟合，使用各种各样的优化器来加速收敛）。第二部分是整个“花书”的核心，因为深度学习就是用深度神经网络来进行机器学习和数据挖掘，第二部分讲述的就是各种各样的深度神经网络。
第三部分是深度学习前沿的研究，比如线性因子模型、自动编码器、表示学习、结构化概率模型。从第16章到第20章，整个五章都在讲深度学习和概率相结合的内容，比如蒙特卡罗方法、马尔科夫链、配分函数、近似推断、深度生成模型。在深度生成模型中还会介绍非常火热的生成对抗网络。
在“花书”的第十一页，有一个思维导图，这个思维导图就展示了整本花书的三个部分。

上图是一个有向图~
“花书”涉及到深度学习的方方面面，但是有一方面它未涉及到，就是深度强化学习，强化学习在近几年取得了非常显著的进展，从阿尔法GO到游戏，再到各种金融数据都离不开强化学习。“花书”的一个缺失就是没有写深度强化学习的相关内容。关于这部分内容，可以去b站看CS231n公开课啦~