主编推荐语
采用通俗易懂的语言，简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。
内容简介
本书将深度学习技术的发展历史、现状和未来向你娓娓道来，以深入浅出的方式介绍了深度学习的核心思想和关键技术，非常适合尚不具备专业背景的读者学习和了解什么是深度学习技术，如何进行深度学习，深度学习适合哪些任务，深度学习还有哪些不足。
如果你是专业人士，这本书也不会让你失望，它对深度学习中的一些关键问题（如过拟合和梯度消失）、核心技术（如反向传播和梯度下降）、典型模型（如卷积神经网络和循环神经网络）的讲解简洁而不失深刻，对深度学习技术未来发展的讨论也很有启发性。
目录
- 版权信息
- 译者序
- 前言
- 致谢
- 第1章 深度学习概述
- 1.1 人工智能、机器学习和深度学习
- 1.2 什么是机器学习
- 1.3 机器学习为何如此困难
- 1.4 机器学习的关键要素
- 1.5 有监督学习、无监督学习和强化学习
- 1.6 深度学习为何如此成功
- 1.7 本章小结及本书内容安排
- 第2章 预备知识
- 2.1 什么是数学模型
- 2.2 含有多个输入的线性模型
- 2.3 线性模型的参数设置
- 2.4 从数据中学习模型参数
- 2.5 模型的组合
- 2.6 输入空间、权重空间和激活空间
- 2.7 本章小结
- 第3章 神经网络：深度学习的基石
- 3.1 人工神经网络
- 3.2 人工神经元是如何处理信息的
- 3.3 为什么需要激活函数
- 3.4 神经元参数的变化如何影响神经元的行为
- 3.5 使用GPU加速神经网络的训练
- 3.6 本章小结
- 第4章 深度学习简史
- 4.1 早期研究：阈值逻辑单元
- 4.1.1 Rosenblatt的感知器训练规则
- 4.1.2 最小均方算法
- 4.1.3 异或问题
- 4.2 连接主义：多层感知机
- 4.2.1 反向传播和梯度消失
- 4.2.2 连接主义、局部表示和分布式表示
- 4.2.3 网络架构：卷积神经网络和循环神经网络
- 4.3 深度学习时代
- 4.3.1 使用自编码器进行逐层预训练
- 4.3.2 权重初始化和ReLU激活函数
- 4.3.3 良性循环：更好的算法、更快的硬件、更大规模的数据
- 4.4 本章小结
- 第5章 卷积神经网络和循环神经网络
- 5.1 卷积神经网络
- 5.2 循环神经网络
- 第6章 神经网络的训练
- 6.1 梯度下降
- 6.2 使用反向传播训练神经网络
- 6.2.1 反向传播算法：两阶段算法
- 6.2.2 反向传播算法：反向传播δ
- 6.2.3 反向传播算法：更新权重
- 第7章 深度学习的未来
- 7.1 推动算法革新的大数据
- 7.2 新模型的提出
- 7.3 新形式的硬件
- 7.4 可解释性问题
- 7.5 结语
- 术语表
- 参考文献
- 延伸阅读
评分及书评
给这本书评了4.0的确是够浅显易懂最近需要研究 AI 模型训练，看了好几本关于深度学习的书，这本的确算是最浅显易懂的了。当然，毕竟是专业领域的书，依然是需要一些数学，计算机的专业背景知识才行。如果想要快速对深度学习有个大体的理解，非常推荐这本书。
给这本书评了5.0无论一个神经网络模型有多深或多复杂，它都要实现一个函数，一个从输入到输出的映射。而它实现的函数由网络所使用的权重决定。因此，在数据上训练网络（学习网络要实现的函数）是为了找出合适的权重使网络能够最好地对数据中的模式进行建模。学习数据中的模式使用得最多的算法是梯度下降算法。决定任何一种数据驱动过程能否成功的首要因素是搞清楚数据需要测量的是什么，以及应该如何测量。在有监督学习中，数据集中的每一个样本都被标注好了相应的输出（目标）值。无监督的机器学习（简称无监督学习）通常用于数据聚类。强化学习更多地用于在线控制任务，例如机器人控制和博弈游戏。
给这本书评了4.0书是好书，但还不够浅显易懂并不适合第一本入门的书，还是需要一点点基础，不过作为补基础的书还是很不错的
- 查看全部4条书评
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
