资深算法工程师眼中的深度学习:Ian Goodfellow 和Yoshua Bengio的「Deep Learning」读书分享...

雷锋网 AI 科技评论按:英雄式的科技公司 Tesla 和 SpaceX 的 CEO 埃隆·马斯克对人工智能技术和研究保持批评态度已经不是一天两天了。今年5月份钢铁侠说“90%的学术论文都毫无价值”的时候就引起了学术界的抗议,上个月又说人工智能技术是“人类文明史上面临的最大威胁”,又引起了 Facebook CEO 马克·扎克伯格在内众多人工智能支持者的声讨。

当然了,马斯克并不是反科技,他自己也是人工智能研究组织 OpenAI 的发起人之一,他只是不像别人那么乐观。所以当马斯克给一本深度学习的书写推荐语,还说这本书是市面上唯一一本读得懂的书的时候,你能感觉到他对整个领域持续的批评,但是仍然肯定了这本书的价值。

资深算法工程师眼中的深度学习:Ian Goodfellow 和Yoshua Bengio的「Deep Learning」读书分享

机器学习领域的重磅书籍

其实即便抛去马斯克的推荐语不谈,「Deep Learning」这本书也是机器学习领域毋庸置疑的重磅书籍。毕竟已经关注这个领域的小伙伴也很可能是先认识了这本书的作者,才知道这本书,最后才看到马斯克的推荐语的。

资深算法工程师眼中的深度学习:Ian Goodfellow 和Yoshua Bengio的「Deep Learning」读书分享

这本书的作者是谁呢?三位大牛!机器学习界名人、GAN的提出者、谷歌大脑研究科学家 Ian Goodfellow,神经网络领域创始三位创始人之一的蒙特利尔大学教授 Yoshua Bengio(也是 Ian Goodfellow的老师)、同在蒙特利尔大学的神经网络与数据挖掘教授 Aaron Courville。

只看作者阵容就知道这本书肯定能够从深度学习的基础知识和原理一直讲到最新的方法,而且在技术的应用方面也有许多具体介绍。这本书面向的对象也不仅是学习相关专业的高校学生,还能够为研究人员和业界的技术人员提供稳妥的指导意见、提供解决问题的新鲜思路。

如果跟领域内其它的相关材料做简单对比的话,Hinton老师的视频课程深度广度都过于高,最适合的是研究人员;国内周志华老师的“西瓜书”对基础知识和研究意愿的要求都不低,关心技术应用的读者读起来很吃力;李开复老师的「人工智能」则是一本面向吃瓜群众的科普读物;其它市面上容易找到的中文书籍多数是只关注实用的技术教程,英文专著则通常学术性较强,涵盖最新发展的新书也不多。

前百度、阿里资深算法工程师的读书分享

面对着这样一本内容精彩的好书,不管你有没有入手开始阅读,雷锋网 AI研习社都希望借此给大家提供一个共同讨论、共同提高的机会。所以我们请来了曾在百度和阿里工作过的资深算法工程师王奇文与大家一起分享他的读书感受。

分享人:王奇文,资深算法工程师,先后做过推荐系统、分布式、数据挖掘、用户建模、聊天机器人。“算法路上,砥砺前行”。

分享会主题:「Deep learning」读书分享

分享会时间:8 月 6 日早 10 点

分享会地点:AI 研习社微信群

加群观看分享直播

长按识别或手机扫描下方二维码,进入 AI研习社(公众号:okweiwu)微信交流群,8月6日(周日)早十点,活动准时开始!

资深算法工程师眼中的深度学习:Ian Goodfellow 和Yoshua Bengio的「Deep Learning」读书分享

直播过程中有任何想问分享者的问题,可以在群内提出,王奇文会在正文结束后为大家解答!

后续还有更多精彩分享,请继续关注雷锋网(公众号:雷锋网) AI 科技评论!

相关文章:

CVPR 2017精彩论文解读:显著降低模型训练成本的主动增量学习 | 分享总结

中山大学金牌队伍分享获奖经验:如何玩转图像比赛

本文作者:杨晓凡

本文转自雷锋网禁止二次转载,原文链接

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Deep Learning》是计算机科学领域的一本经典著作,作者是Ian GoodfellowYoshua Bengio和Aaron Courville。这本书涵盖了深度学习的各个方面,包括基本的概念,常用的架构,优化方法,深度生成模型等等。该书内容非常详尽,覆盖面广,是深度学习领域的权威指南。 本书的第一部分主要介绍了深度学习的基本概念,包括神经网络,反向传播算法等。这些基本概念是深度学习的核心,是理解深度学习的基础。 接下来的第二部分深入介绍了深度学习的各种常用架构,包括卷积神经网络、循环神经网络等。这些架构被广泛应用在计算机视觉、自然语言处理和音频处理等领域,具有非常重要的应用价值。 第三部分介绍了深度学习的优化方法,包括随机梯度下降、动量梯度下降、自适应学习率等。这些优化方法是有效训练深度神经网络的关键,也是进一步提高模型性能的重要手段。 最后一部分介绍了深度生成模型,其中包括生成式对抗网络(GAN)、变分自编码器(VAE)等。这些生成模型具有很强的生成能力,被广泛应用在图像合成、文本生成等任务中。 总的来说,《Deep Learning》是一本非常优秀的深度学习教材,不仅详尽全面,而且非常易读易懂。作为深度学习领域的标志性著作,《Deep Learning》在学术界和工业界都有广泛的影响力,是所有从事深度学习研究和实践的人必读的一本书。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值