深度学习
陈蔼祥
261人在读
28.7万字总字数
¥55.3定价
陈蔼祥
本书初定五个章节，第一章浅层模型部分介绍线性回归、Logistics回归、Softmax回归、广义线性回归模型以及机器学习基本概念。第二章介绍深度学习模型以及相应的正则化技术。第三章介绍卷积的物理意义、卷积神经网络及其各种改进。第四章介绍反馈神经网络及其改进的长短期记忆单元。第五章介绍深度强化学习，展示深度卷积网络如何与强化学习技术融合用以人机围棋博弈以及自动驾驶领域。
这书不错，不是那种不明觉厉，直接空降公式或原理、复制黏贴的风格。从历史演变出发，结合老师自己的理解干货，配合一些用心设计的例子。总之，是一本有良心的，有闪光点的书。信息时代，书这么多。好的书和课的竞争力在于差异点：看作者面对同样的事的情景下，他是否看出了别人没看出的点；作者叙述方式是否吸引到读者。
前面几章写得挺不错，作者有自己的思想和总结，比如第1章浅层模型部分，把线性回归、逻辑回归、softmax放在一起比较，引出广义线性模型，虽然这基本上没有实战价值，但是对于理解算法思想有帮助。在第2章深度神经网络，详细介绍了梯度消失或梯度爆炸问题的产生原因，以及各类解决方法，以及探讨了克服过拟合问题的几类正则化技术。这本书不仅仅介绍算法，也以独特的视角把相关内容组织在一起，便于理解。最后一章强化学习可读性就差一点。
定位太高。需要大学以上才可以看。
把深度学习中常见的知识和例子，给出数学推导及原理。对深刻理解深度学习有很大帮助！