如何学习神经网络与深度学习？看这本开源的中文教程！

本文转自：AI 有道，作者：红色石头

今天给大家推荐一份最近新出的非常火热的深度学习入门教程：《神经网络与深度学习》，这本书由复旦大学的邱锡鹏老师所著。

《神经网络与深度学习》排在首位的特点就是它是完全的中文教程。我相信大部分深度学习入门学者面对英文教程的时候，战斗力多半会削减大半。而邱锡鹏老师的这本书恰恰为中国学生而著，大大降低了深度学习的语言门槛，让大家有更多的精力放在核心知识内容的学习上。

关于本书

关于本书，邱锡鹏是这样评价的：

近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。

从车牌识别、人脸识别、语音识别、智能问答、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地使用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者们的长期努力。

最近这几年，得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富，越来越多的人开始关注这一个“崭新”的研究领域：深度学习。

深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。

目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。

这本书的作者邱锡鹏老师，目前是复旦大学计算机科学技术学院的博士生导师、自然语言处理与深度学习组的副教授。

《神经网络与深度学习》主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、递归神经网络等）以及在计算机视觉、自然语言处理等领域的实际应用。

主要内容

这本书目前已经更新完毕，总共包含了 15 章。

内容涉及神经网络集基础知识以及经典的 CNN、RNN 模型，还有其在 CV 和 NLP 方面的应用。

15 章内容分为三大部分：第一部分为入门篇，包括 1~3 章；第二部分为基础模型，包括 4~10 章；第三部分为进阶模型，包括 11~15 章。

完整书籍目录如下：

• 第 1 章：绪论

• 第 2 章：机器学习概述

• 第 3 章：线性模型

• 第 4 章：前馈神经网络

• 第 5 章：卷积神经网络

• 第 6 章：循环神经网络

• 第 7 章：网络优化与正则化

• 第 8 章：注意力机制与外部记忆

• 第 8 章：无监督学习

• 第 10 章：模型独立的学习方式

• 第 11 章：概率图模型

• 第 12 章：深度信念网络

• 第 13 章：深度生成模型

• 第 14 章：深度强化学习

• 第 15 章：序列生成模型

除了 15 章正文内容外，作者还为我们提供了详细的数学基础知识，放在了附录部分。数学基础总共包含 4 方面内容：

• 附录 A：线性代数

• 附录 B：微积分

• 附录 C：数学优化

• 附录 D：概率论

这些数学基础知识，可谓是神经网络与深度学习的内功心法！也是本书的最大亮点之一，能够极大提升我们在阅读本书的效率。

课程资源

目前，邱锡鹏老师已经开源了该课程所有的资源，包括书籍 pdf，课程 ppt，书籍相关习题参考代码等。

课程主页：

https://nndl.github.io/

全书 pdf：

https://nndl.github.io/nndl-book.pdf

3 小时课程概要：

http://bit.ly/2JlORWX

示例代码：

https://github.com/nndl/nndl-codes

课程练习：

https://github.com/nndl/exercise

关于课程练习，作者大都提供了最热门的 PyTorch 和 TensorFlow 两种框架的实现方式。

赶紧马了这份优秀的深度学习资源，上手学起来吧！

若你觉得本次分享对你有所帮助，欢迎点击「在看」支持，谢谢 ?。

推荐阅读：

我在 B 站学编程之《计算机科学速成课》

「GitHub 交流群」已开放

想入群的可在公众号后台回复「入群」