深入浅出神经网络与深度学习

很不错的神经网络与深度学习书籍，确实做到了深入浅出，算法原理和数学公式的讲解非常到位，实现代码也很完整，有作者独到的见解，而且直指本质，不像大部分同类书籍人云亦云地对相关知识的简单搬运。后面关于智能的思考野很有启发性，建议读者认真阅读。

搞清楚了神经网络的基本概念，及数学基础

内核非常紧凑，推导非常耐心，逻辑非常严谨，自带程序易读易理解（就是python版本稍微低了些，到卷积网络的部分可以用 PY TORCH 来替换书中的代码库）。全书不跳步，宝宝友好级别。特别推荐作者网站，比中文还容易理解。这一切都足见作者功力深厚。 最后提一句，本书BP过程的数学推导非常友好，嘎嘎乱杀其他的入门书。

这本书对于理解神经网络最核心的一些思想很有帮助，比如反向传播，梯度下降，正则化，全连接神经网络和卷积神经网络等。虽然离当今最新的前沿技术比较远，但是最根本的技术和思想都有讲解，也有代码可以用来练习。 工程的本质是数学和算法，在上手写ai的代码之前，了解一些最核心的思想很有帮助。

很好的一本入门书。深度学习的本质就是：“通过训练数据模拟所有函数，并以线性函数的方式表达，以期望能适配未知的数据”几个推导： 1. 所有问题都是函数问题 2. 所有函数都能化为线性函数（通过级数） 3. 模拟的函数能很好适配训练数据，但不一定能适配未知数据。这叫做过拟合（overfitting），缺乏泛化 4. 过拟合是因为模拟的函数错了。比如可能本来的问题就是一条直线的函数y=x，但由于训练数据不精确，通过深度学习得到了一个曲线函数，它在训练数据上表现良好，却不可避免的会在新数据上出错 5. 如果我们能准确找到问题的函数，就不需要深度学习。但很多问题我们目前是无法找到其函数的 6. 由于我们的目标是找到函数，所以其实数据不一定要多，但要准确，且跨度广 7. 人类智能的本质和人工智能很像。给定一组输入向量，如当前时间，年龄，天气，收入，国家，民族，...预测下一步动作的概率，执行最大概率的动作

我是使用了ChatGPT后，有兴趣读了此书，其中涉及的数学部分程序部分看不懂，但是作者最后提到了agi,我觉得agi离我们越来越近，非常幸运提前体验到了ChatGPT，美国的创新值得我们学习！ChatGPT使用了自然语言处理（NLP）和深度学习技术来实现其聊天机器人功能。具体来说，它使用了预训练的语言模型GPT（Generative Pre-trained Transformer）来生成自然语言响应。GPT是由OpenAI开发的一种基于Transformer架构的语言模型，它可以自动学习自然语言的规律和语义，并生成符合语法和语义的自然语言响应。ChatGPT还使用了一些NLP技术，如实体识别、意图识别和对话管理，来提高其聊天机器人的准确性和流畅度。总之，ChatGPT使用了最先进的NLP和深度学习技术，使其能够以自然、流畅的方式与用户进行交互。

极为牛逼的一本书。 用 相对通俗的数学 和 Python，介绍了神经网络 和 深度学习的原理及实现方式。 介绍了 训练的本质，就是 用梯度下降算法，通过反向传播（小球滚轮的最快方向）不断迭代神经网络的权重和偏置。 证明了任何目标函数，都可以被神经网络拟合。 同时，也说明了深度学习当前的问题，梯度消失（参数调不动了）导致非常难训练（本质在，后级梯度收到层层影响）。 最后说了，康威定律：交付的结果，受到项目组组织结构影响。 Ai发展受限于社会结构。

AI大势浩浩荡荡，任何做技术的同学都不可避免要使用AI，而从长期看，学习并了解一定的AI基础原理和做一些AI相关的模型训练、性能调优可能也会变成很多领域的必备技能，类似现在的操作系统原理和debug能力。 面对汗牛充栋的关于transform的介绍文章，没有基础的同学很容易越看越懵。而了解基础原理是学习一切新技术很重要的一步，本书真是无愧于“深入浅出”四个字，这是很多经典书籍的共同特征。从第一节就可以吸引人一直读下去，而且是十分投入的读下去，而且能读了逐步理解复杂能力背后的基本原理。 通过对本书的学习和练习，对深度学习有了一个整体的认识，进而学习transform这些架构，就感觉更容易理解和掌握。

如果有一些编程和数学知识（但不多），面对公式密布的机器学习领域望洋兴叹之时，这本薄薄的小册子无疑是入门的最佳选择。作者从头到尾都在以“不难，别害怕”、“看不懂也能学”的口吻，恰如其分的将神经网络最基础、最核心的部分，庖丁解牛般轻轻拆解，虽深度广度定不及百科全书或学术论文般的著作，但刚刚好的点到为止，配合简洁的代码示例，恰好是本书最大的价值所在。 所以，读书不一定非得高分神作，看不下读不进都没有用，唯有适合自己的才是最好的。

作者水平很高，很多神经网络的原理性问题解释的很深刻，比如交叉相比于sigmoid的优势，广泛介绍了各种训练优化，视野开阔且实用，硬要说缺点的话，就是书比较老了，没有涉及最新的技术，另外反向传播用计算图来解释会更加通俗易懂