原文链接:点击打开链接
摘要: 最近,这位AI领域的传奇大牛,接受了另一位大牛吴恩达的视频专访。在这次对话中,LeCun回顾了卷积神经网络、反向传播的历史,以及他如何从一个默默无闻的“法国小孩”,一步步走到今天。这是一段激荡四十年的故事。
点击关注 异步图书,置顶公众号
每天与你分享 IT好书 技术干货 职场知识
参与文末话题讨论,每日赠送异步图书
——异步小编
Yann LeCun,深度学习三巨头之一。他的著作《深度学习》,一经上市风靡全球。
最近,这位AI领域的传奇大牛,接受了另一位大牛吴恩达的视频专访。在这次对话中,LeCun回顾了卷积神经网络、反向传播的历史,以及他如何从一个默默无闻的“法国小孩”,一步步走到今天。这是一段激荡四十年的故事。是一段AI科学家的个人奋斗,也是一段AI复兴的历史进程。
这场访谈,也是吴恩达DeepLearning.ai课程的一部分。而就在4月初吴恩达发布重磅消息,新书英文版《机器学习思维》开始接受免费草稿副本预定了。
吴恩达说:
这是我在未来几个月写的一本书。 如果您想在每一章完成时获得一份免费的草稿副本,请注册我的邮件列表:
(图片来源于网页截图)
亲爱的朋友
你如何组织一个AI项目?
人工智能,机器学习和深度学习正在改变众多行业。我一直在写一本书,Machine Learning Yearning,教你如何构建机器学习项目。
本书的重点不在于教授ML算法,而在于如何使ML算法发挥作用。一些技术AI课程会给你一个锤子;这本书教你如何使用锤子。如果你渴望成为AI的技术领导者并想学习如何为你的团队准确找到方向,这本书将会有所帮助。
阅读Machine Learning Yearning后,您将能够:
- 优先考虑AI项目最有前途的方向
- 诊断机器学习系统中的错误
- 在复杂设置中构建ML,例如不匹配的训练/测试集
- 建立一个ML项目来比较和/或超越人类的表现
- 了解何时以及如何应用端到端学习,转移学习和多任务学习
历史上,学习如何制定这些“战略”决策的唯一方法是在研究生课程或公司中进行为期多年的学徒工。我正在写机器学习思维,以帮助您快速获得这项技能,以便您可以更好地构建AI系统。
这本书大约有100页,包含许多易于阅读的1-2页的章节。如果您希望在每章完成后收到每章的草稿,请注册邮件列表。
- Andrew Ng
如何免费预定本书英文版?
直接点击网址:http://www.mlyearning.org/注册,并接受预定。
《深度学习》
《深度学习》
【加】Aaron Courville(亚伦·库维尔), 【加】Yoshua Bengio(约书亚·本吉奥), 【美】Ian Goodfellow(伊恩·古德费洛)著
点击书名购买纸书
AI圣经!深度学习领域奠基性的经典畅销书!长期位居美亚AI和机器学习类图书榜首!所有数据科学家和机器学习从业者的bi读图书!特斯拉CEO埃隆·马斯克等国内外众多专家推荐!
深度学习是机器学习的一个分支,它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识,所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念,而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。
《Python神经网络编程》新书
《Python神经网络编程》
[英] 塔里克·拉希德(Tariq Rashid)著
点击书名购买纸书
当前,深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素,然而,真正了解神经网络工作机制的人少之又少。本书用轻松的笔触,一步一步揭示了神经网络的数学思想,并介绍如何使用Python编程语言开发神经网络。本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始,逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识,并且本书还给出易于理解的微积分简介。
本书为美亚五星畅销书,备受关注。基于Python3.5,全彩印刷,如果只选一本神经网络图书,他是首选。
本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络,训练它识别手写数字,甚至可以与专业的神经网络相媲美。本书适合想要了解深度学习、人工智能和神经网络的读者阅读,尤其适合想要通过Python编程进行神经网络开发的读者参考。
本书目录:
第 1 章 神经网络如何工作001
1.1 尺有所短,寸有所长 001
1.2 一台简单的预测机 003
1.3 分类器与预测器并无太大差别008
1.4 训练简单的分类器 011
1.5 有时候一个分类器不足以求解问题 020
1.6 神经元——大自然的计算机器 024
1.7 在神经网络中追踪信号 033
1.8 凭心而论,矩阵乘法大有用途 037
1.9 使用矩阵乘法的三层神经网络示例 043
1.10 学习来自多个节点的权重 051
1.11 多个输出节点反向传播误差053
1.12 反向传播误差到更多层中 054
1.13 使用矩阵乘法进行反向传播误差 058
1.14 我们实际上如何更新权重 061
1.15 权重更新成功范例 077
1.16 准备数据 078
第 2 章 使用Python进行DIY 083
2.1 Python 083
2.2 交互式Python = IPython 084
2.3 优雅地开始使用Python 085
2.4 使用Python制作神经网络 105
2.5 手写数字的数据集MNIST 121
第 3 章 趣味盎然 153
3.1 自己的手写数字 153
3.2 神经网络大脑内部 156
3.3 创建新的训练数据:旋转图像 160
3.4 结语 164
附录A 微积分简介 165
A.1 一条平直的线 166
A.2 一条斜线 168
A.3 一条曲线 170
A.4 手绘微积分 172
A.5 非手绘微积分 174
A.6 无需绘制图表的微积分 177
A.7 模式 180
A.8 函数的函数 182
附录B 使用树莓派来工作 186
B.1 安装IPython 187
B.2 确保各项工作正常进行 193
B.3 训练和测试神经网络 194
B.4 树莓派成功了 195
今日话题
说说你对神经网络编程的看法?截止时间4月11日17时,留言+转发本活动到朋友圈,小编将选出1名读者赠送异步新书一本。
延伸推荐
2018年2月新书
2018年1月重磅新书
小学生开始学Python,最接近AI的编程语言:安利一波Python书单
AI经典书单| 入门人工智能该读哪些书?
长按二维码,可以关注我们哟
每天与你分享IT好文。
在“异步图书”后台回复“关注”,即可免费获得2000门在线视频课程;推荐朋友关注根据提示获取赠书链接,免费得异步图书一本。赶紧来参加哦!
点击下方阅读原文,购买《Python神经网络编程》