深入淺出神經網絡與深度學習

很不錯的神經網絡與深度學習書籍，確實做到了深入淺出，算法原理和數學公式的講解非常到位，實現代碼也很完整，有作者獨到的見解，而且直指本質，不像大部分同類書籍人云亦云地對相關知識的簡單搬運。後面關於智能的思考野很有啓發性，建議讀者認真閱讀。

搞清楚了神經網絡的基本概念，及數學基礎

內核非常緊湊，推導非常耐心，邏輯非常嚴謹，自帶程序易讀易理解（就是python版本稍微低了些，到卷積網絡的部分可以用 PY TORCH 來替換書中的代碼庫）。全書不跳步，寶寶友好級別。特別推薦作者網站，比中文還容易理解。這一切都足見作者功力深厚。 最後提一句，本書BP過程的數學推導非常友好，嘎嘎亂殺其他的入門書。

這本書對於理解神經網絡最核心的一些思想很有幫助，比如反向傳播，梯度下降，正則化，全連接神經網絡和卷積神經網絡等。雖然離當今最新的前沿技術比較遠，但是最根本的技術和思想都有講解，也有代碼可以用來練習。 工程的本質是數學和算法，在上手寫ai的代碼之前，瞭解一些最核心的思想很有幫助。

很好的一本入門書。深度學習的本質就是：“通過訓練數據模擬所有函數，並以線性函數的方式表達，以期望能適配未知的數據”幾個推導： 1. 所有問題都是函數問題 2. 所有函數都能化爲線性函數（通過級數） 3. 模擬的函數能很好適配訓練數據，但不一定能適配未知數據。這叫做過擬合（overfitting），缺乏泛化 4. 過擬合是因爲模擬的函數錯了。比如可能本來的問題就是一條直線的函數y=x，但由於訓練數據不精確，通過深度學習得到了一個曲線函數，它在訓練數據上表現良好，卻不可避免的會在新數據上出錯 5. 如果我們能準確找到問題的函數，就不需要深度學習。但很多問題我們目前是無法找到其函數的 6. 由於我們的目標是找到函數，所以其實數據不一定要多，但要準確，且跨度廣 7. 人類智能的本質和人工智能很像。給定一組輸入向量，如當前時間，年齡，天氣，收入，國家，民族，...預測下一步動作的概率，執行最大概率的動作

我是使用了ChatGPT後，有興趣讀了此書，其中涉及的數學部分程序部分看不懂，但是作者最後提到了agi,我覺得agi離我們越來越近，非常幸運提前體驗到了ChatGPT，美國的創新值得我們學習！ChatGPT使用了自然語言處理（NLP）和深度學習技術來實現其聊天機器人功能。具體來說，它使用了預訓練的語言模型GPT（Generative Pre-trained Transformer）來生成自然語言響應。GPT是由OpenAI開發的一種基於Transformer架構的語言模型，它可以自動學習自然語言的規律和語義，並生成符合語法和語義的自然語言響應。ChatGPT還使用了一些NLP技術，如實體識別、意圖識別和對話管理，來提高其聊天機器人的準確性和流暢度。總之，ChatGPT使用了最先進的NLP和深度學習技術，使其能夠以自然、流暢的方式與用戶進行交互。

極爲牛逼的一本書。 用 相對通俗的數學 和 Python，介紹了神經網絡 和 深度學習的原理及實現方式。 介紹了 訓練的本質，就是 用梯度下降算法，通過反向傳播（小球滾輪的最快方向）不斷迭代神經網絡的權重和偏置。 證明了任何目標函數，都可以被神經網絡擬合。 同時，也說明了深度學習當前的問題，梯度消失（參數調不動了）導致非常難訓練（本質在，後級梯度收到層層影響）。 最後說了，康威定律：交付的結果，受到項目組組織結構影響。 Ai發展受限於社會結構。

AI大勢浩浩蕩蕩，任何做技術的同學都不可避免要使用AI，而從長期看，學習並瞭解一定的AI基礎原理和做一些AI相關的模型訓練、性能調優可能也會變成很多領域的必備技能，類似現在的操作系統原理和debug能力。 面對汗牛充棟的關於transform的介紹文章，沒有基礎的同學很容易越看越懵。而瞭解基礎原理是學習一切新技術很重要的一步，本書真是無愧於“深入淺出”四個字，這是很多經典書籍的共同特徵。從第一節就可以吸引人一直讀下去，而且是十分投入的讀下去，而且能讀了逐步理解複雜能力背後的基本原理。 通過對本書的學習和練習，對深度學習有了一個整體的認識，進而學習transform這些架構，就感覺更容易理解和掌握。

如果有一些編程和數學知識（但不多），面對公式密佈的機器學習領域望洋興嘆之時，這本薄薄的小冊子無疑是入門的最佳選擇。作者從頭到尾都在以“不難，別害怕”、“看不懂也能學”的口吻，恰如其分的將神經網絡最基礎、最核心的部分，庖丁解牛般輕輕拆解，雖深度廣度定不及百科全書或學術論文般的著作，但剛剛好的點到爲止，配合簡潔的代碼示例，恰好是本書最大的價值所在。 所以，讀書不一定非得高分神作，看不下讀不進都沒有用，唯有適合自己的纔是最好的。

作者水平很高，很多神經網絡的原理性問題解釋的很深刻，比如交叉相比於sigmoid的優勢，廣泛介紹了各種訓練優化，視野開闊且實用，硬要說缺點的話，就是書比較老了，沒有涉及最新的技術，另外反向傳播用計算圖來解釋會更加通俗易懂