白话深度学习的数学
[日]立石贤吾
377人在读
9.8万字总字数
¥34.9定价
[日]立石贤吾
本书通过想要学习深度学习的程序员绫乃和她朋友美绪的对话，逐步讲解深度学习中实用的数学基础知识。内容涉及神经网络的结构、感知机、正向传播和反向传播，以及卷积神经网络。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程实现神经网络，加深读者对相关数学知识的理解。 本书适合对深度学习感兴趣、想要从事深度学习相关研究，但是对深度学习和神经网络相关数学知识感到棘手的读者阅读。
这本书做笔记的重点不是摘抄公式和原理，重要的作者是把深度学习引出来的思路。
最后有关卷积神经网络的实现涉及到了一些矩阵向量的运算，这里没有太看懂。之后有时间再来回顾
排版可以优化下吗？好多上下标看不清，有的图也很糊，实在不行，出个pdf版吧
整体思路清晰。缺点是图片模糊，由于有大量矩阵运算示例，矩阵元素坐标很多时候糊的根本看不清
继承了第一本的风格，依然直白易懂。机器学习中有很多算法，比如线性回归，逻辑回归，感知机，神经网络等，但是能解决实际难题的往往是神经网络模型，我们把对超多层(深层)复杂的神经网络的权重的学习过程，叫做深度学习。因此第二本的内容将比第一本更加倾向于实际应用，但阅读起来也需要有第一本的知识基础。