Neural Networks and Deep Learning（神经网络与深度学习）_What this book is about

http://neuralnetworksanddeeplearning.com/index.html

作为一个初学者，本文主要是将英文原版的《Neural Networks and Deep Learning》，翻译成中文，帮助更准确的理解。

神经网络和深度学习是一个免费的在线书籍。这本书会教你：

• 神经网络，一个美丽的生物启发（biologically-inspired ）编程范例（paradigm），使计算机能够从观测数据中学习。
• 深入学习，一套强大的神经网络学习技术

神经网络和深层学习目前为图像识别、语音识别和自然语言处理中的许多问题提供了最好的解决方案。这本书将教你许多神经网络和深层学习背后的核心概念。

这本书是关于什么的：

神经网络是有史以来最漂亮的编程范例之一。在传统的编程方法中，我们告诉计算机该做什么， 将大问题分解成许多小的、精确定义的任务，计算机可以轻松地执行这些任务。相反，在神经网络中，我们不告诉计算机如何解决我们的问题。相反，它从观测数据中学习，为手头的问题找到自己的解决方案。

自动从数据中学习听起来很有希望。然而，直到2006，我们才知道如何训练神经网络来超越（surpass）传统的方法，除了一些专门的问题外。2006发生变化的是在所谓的深层神经网络中发现了学习的技术。现在这些技术被称为深度学习。目前，深层神经网络和深度学习在计算机视觉、语音识别和自然语言处理等许多重要问题上都取得了优异的性能。谷歌、微软和Facebook等公司正在大规模部署（deploy）它们。

本书的目的是帮助你掌握神经网络的核心概念（core concepts），包括现代深度学习技术。在阅读了(working throught)这本书之后，您将编写使用神经网络和深入学习来解决复杂模式识别(pattern recognition)问题的代码。你将有一个基础，可以使用神经网络和深入学习来解决你自己设计(devise)的问题。

A principle-oriented approach (原理导向法)

---

这本书背后(underlying)的一个信念(conviction)是，最好是对神经网络和深入学习的核心原理有一个坚实(solid)的理解，而不是对一大堆想法的模糊(hazy)理解。如果你已经很好地理解了核心思想，你就可以迅速地理解其他新材料。在编程语言术语中，把它看作是掌握一种新语言的核心语法(syntax)、库(library)和数据结构。您可能仍然只知道整个语言中的一小部分--许多语言都有巨大(enormous)的标准库--但是新的库和数据结构可以快速而容易地被理解。

这意味着这本书强调(emphatically)不是一个教程如何使用某些特定的神经网络库。如果你主要想在学习库，不要读这本书！找到您想要学习的库，并阅读教程（tutorial）和文档documentation。但要小心。虽然这有一个立即（immediate）解决问题的回报（payoff），如果你想了解神经网络的真实情况，如果你想要在几年后仍然有相关的洞察力，那么仅仅学习一些热门的库是不够的。你需要理解神经网络如何持久（durable）的工作，持久的洞察力。技术来了，技术也消失了，但洞察力永远存在。

A hands-on approach （动手的方法）

---

我们将通过攻克一个具体（concrete）的问题来学习神经网络和深度学习的核心原理：教计算机识别手写数字（digit）的问题。这个问题很难用传统（convention）的编程方法来解决。然而，正如我们将要看到的，使用一个简单的神经网络可以很好地解决这个问题，它只有几十行代码，没有特殊的库。此外，我们将通过多次迭代（iteration）来改进这个程序，逐步将越来越多的关于神经网络和深度学习的核心思想结合（incorporate）起来。

这种动手的方法意味着你需要一些编程经验来阅读这本书。但你不需要成为一个专业的程序员。我已经用Python编写了代码（2.7版本），即使您不使用Python编程，也只需一点努力就很容易理解。通过本书的课程（course），我们将开发一个小的神经网络库，你可以用它来实验和建立理解。这里所有的代码都可以下载。一旦你完成了这本书，或者当你读到它的时候，你就可以很容易地找到一个用于生产（intend for use）的功能完备的神经网络库。

另外，阅读这本书的数学要求也不高。大多数章节中都有一些数学，但通常只是初等elementary代数algebra和函数图，我希望大多数读者都能接受。我偶尔（occasionally）会使用更高级advanced的数学，但我已经安排好了材料，这样你就可以继续学习，即使你没有掌握一些数学细节。第二章是大量使用较重数学的第二章，该章需要少量的多元微积分multivariable-calculus和线性代数。如果这些不熟悉，我在第二章开始讨论如何操纵（navigate）数学。如果你发现它真的很难进行，你可以跳过这一章主要结果的总结。无论如何，从一开始就没有必要担心这个问题。

一本书的目标是兼顾原理导向和动手操作，这是很少见的。但我相信，如果我们建立了神经网络的基本思想（fundamental idea），你会学得最好。我们将开发现成（living）的代码，而不仅仅是抽象理论，您可以探索和扩展这些代码。这样你就可以从理论和实践两方面了解基本原理，并有助于进一步扩展你的知识。