刚入门深度学习或者觉得学起来很困难的同学看过来了，今天分享的这本深度学习教科书绝对适合你。

就是这本已在外网获13.1万次下载的宝藏教科书《理解深度学习》。本书由巴斯大学计算机科学教授Simon J.D. Prince撰写，全书共541页，目前共有21章，内容还在不断更新。

书籍+答案册文末获取

书籍内容

本书主要介绍深度学习的基础思想，旨在帮助刚入门的读者理解深度学习背后的原理，全面系统地讲解了机器学习的基础概念以及深度学习的各种模型，包括最新的Transformer和图神经网络。

书籍第一部分介绍了深度学习模型，并讨论了如何训练、评估这些模型以及如何提高它们的性能。接下来的部分考察了专门用于图像、文本和图数据的架构。后续的章节探讨了生成模型和强化学习（这些章节可能需要更多概率和微积分知识）。倒数第二章探讨了这些以及其他尚未完全理解的方面。最后一章讨论了AI伦理，并呼吁从业者考虑他们工作的道德影响。

目录

• 第1章 引言 Introduction

• 第2章 监督学习 Supervised learning

• 第3章 浅层神经网络 Shallow neural networks

• 第4章 深层神经网络 Deep neural networks

• 第5章 损失函数 Loss functions

• 第6章 拟合模型 Fitting models

• 第7章 梯度和初始化 Gradients and initialization

• 第8章 性能评估 Measuring performance

• 第9章 正则化 Regularization

• 第10章 卷积神经网络 Convolutional networks

• 第11章 残差网络 Residual networks

• 第12章 Transformers

• 第13章 图神经网络 Graph neural networks

• 第14章 无监督学习 Unsupervised learning

• 第15章 对抗生成网络 Generative Adversarial Networks

• 第16章 正规流 Normalizing flows

• 第17章 变分自动编码器 Variational autoencoders

• 第18章 扩散模型 Diffusion models

• 第19章 深度强化学习 Reinforcement learning

• 第20章 深度学习为何有效? Why does deep learning work?

• 第21章 深度学习与伦理 Deep learning and ethics

推荐理由

这本书只需要我们有本科数学基础就可以轻松读懂。为了节省读者时间，更高效地理解深度学习，书籍的每个重点都解释的非常精炼易懂，每章的主体部分简明地描述了最基本的思想及配套图示。

本书的附录部分复习了所有数学先修知识，不需要参考外部材料。对于希望深入探究的读者，每章都有相关习题（作者也提供了答案）、Python 笔记本和广泛的背景笔记以供学习。

部分内容

书籍

答案

关注下方《学姐带你玩AI》🚀🚀🚀

回复“理解DL”获取完整书籍+答案册pdf

码字不易，欢迎大家点赞评论收藏！