首页/ 科普/互联网+/ 深度学习
科普/互联网+
深度学习
作者:伊恩·古德费洛、约书亚·本吉奥、亚伦·库维尔、赵申剑、黎彧君、符天凡、李凯
出版社:人民邮电出版社

阅读

扫码读书
书籍信息目录(共34章)
AI圣经!深度学习领域奠基性的经典畅销书!所有数据科学家和机器学习从业者的必读图书!

【简介】《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。

随感
  • 任静
    这也是当我们不知道真实的分布时,总是使用正态分布的一个原因。
  • 宋丽
    今天继续阅读了《深度学习》,文中提到卷积神经网络(CNN),是深度学习中用于处理具有类似网格结构数据的网络,比如图像。它的基本结构和工作原理是重要知识点,作者深入介绍了构成CNN的核心层:卷积层、池化层和全连接层。
  • 孔艳秋
    因此从参数到预测的映射仍是一个线性函数,而从特征到预测的映射是一个仿射函数。如此扩展到仿射函数意味着模型预测的曲线仍然看起来像是一条直线,只是这条直线没必要经过原点。
  • 曹怡菲
    书中还提到了正则化方法,它能有效防止模型过拟合 ,提升泛化能力。这使我反思自己之前在处理小数据集时,未重视过拟合问题,导致模型在新数据上表现不佳。这些内容让我明白,深度学习不只是搭建模型,更要在细节上不断打磨 ,根据不同的数据和任务,灵活运用各种优化策略,才能让模型发挥出最佳性能。
  • 李承洋
    鞍点激增对于训练算法来说有哪些影响呢?对于只使用梯度信息的一阶优化算法而言,目前情况还不清楚。鞍点附近的梯度通常会非常小
  • S130***769
    概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法,也提供了用于导出新的不确定性声明(statement)的公理。在人工智能领域,概率论主要有两种用途:首先,概率法则告诉我们AI系统如何推理,据此我们设计一些算法来计算或者估算由概率论导出的表达式;其次,可以用概率和统计从理论上分析我们提出的AI系统的行为。
  • 冯兆祎
    训练误差和泛化误差会随训练集的大小发生变化。泛化误差的期望从不会因训练样本数目的增加而增加。
  • 黄敏晶
    《深度学习》第11章的实践方法论揭示了理论与应用的鸿沟。作者强调,成功的深度学习实践不仅依赖算法知识,更需系统化的实验设计与迭代优化。从明确目标、搭建端到端流程,到动态调整超参数、监控模型行为,每一步都需以数据反馈为导向。例如,通过可视化激活函数与梯度直方图,可精准定位优化瓶颈;随机搜索与贝叶斯优化等策略则能高效探索超参数空间。这一章让我深刻认识到,深度学习的“炼丹”过程本质是科学方法论的实践——以严谨的实验设计降低试错成本,在数据与模型的博弈中寻找最优解。
  • 王小寒
    深度学习》不仅是一本技术指南,更是一场思维的启蒙。它让我明白,深度学习的本质是对人类智能的模拟与超越
  • 黄玉
    《深度学习》不仅是一本技术指南,更是一场思维的启蒙。它让我明白,深度学习的本质是对人类智能的模拟与超越。通过对海量数据的学习,机器能够发现人类难以察觉的规律,这既是对人类认知边界的拓展,也倒逼我们重新思考“智能”的定义。在人工智能与人类协同工作的时代,如何发挥人类的创造力与批判性思维,让技术真正服务于人类福祉,将是我们这一代人的重要课题。
同类书籍推荐
  • AI极简经济学
    阿杰伊·阿格拉沃尔
  • 怎么用Deepseek搞钱
    胡先敏
  • DeepSeek赋能数字政府应用指南
    《DeepSeek赋能数字政府应用指南》编写组
  • DeepSeek创意引擎:艺术设计与内容生产的智能革命
    王志军
  • DeepSeek十大高级提问技巧
    黄凯
  • 如何用DeepSeek写出爆款文案:从标题到转化的全流程技巧
    刘志