《深度学习》

Ian Goodfellow Yoshua Bengio Aaron Courville —— 《Deep Learning》

2017年第一版 豆瓣评分:8.7

官网地址: www.deeplearningbook.org
全书内容网站上都有 中文版github上开源 中英文版本配合阅读

之前读了一部分内容,以后还是把一些重要的书做一下摘要笔记和进度更新吧。
一方面可以留下阅读记录和笔记,一方面可以监督激励自己要坚持,半途而废可不好。

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。
《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。
s
作者简介
Ian Goodfellow,谷歌公司(Google) 的研究科学家,2014 年蒙特利尔大学机器学习博士。他的研究兴趣涵盖大多数深度学习主题,特别是生成模型以及机器学习的安全和隐私。Ian Goodfellow 在研究对抗样本方面是一位有影响力的早期研究者,他发明了生成式对抗网络,在深度学习领域贡献卓越。
Yoshua Bengio,蒙特利尔大学计算机科学与运筹学系(DIRO) 的教授,蒙特利尔学习算法研究所(MILA) 的负责人,CIFAR 项目的共同负责人,加拿大统计学习算法研究主席。Yoshua Bengio 的主要研究目标是了解产生智力的学习原则。他还教授“机器学习”研究生课程(IFT6266),并培养了一大批研究生和博士后。
Aaron Courville,蒙特利尔大学计算机科学与运筹学系的助理教授,也是LISA 实验室的成员。目前他的研究兴趣集中在发展深度学习模型和方法,特别是开发概率模型和新颖的推断方法。Aaron Courville 主要专注于计算机视觉应用,在其他领域,如自然语言处理、音频信号处理、语音理解和其他AI 相关任务方面也有所研究。
中文版审校者简介
张志华,北京大学数学科学学院统计学教授,北京大学大数据研究中心和北京大数据研究院数据科学教授,主要从事机器学习和应用统计学的教学与研究工作。
译者简介
赵申剑,上海交通大学计算机系硕士研究生,研究方向为数值优化和自然语言处理。
黎彧君,上海交通大学计算机系博士研究生,研究方向为数值优化和强化学习。
符天凡,上海交通大学计算机系硕士研究生,研究方向为贝叶斯推断。
李凯,上海交通大学计算机系博士研究生,研究方向为博弈论和强化学习。

第一章 前言

第一部分 应用数学与机器学习基础

第二章 线性代数

第三章 概率与信息论

第四章 数值计算

第五章 机器学习基础

第二部分 深层网络:现代实践

第六章 深度前馈网络

第七章 深度学习的正则化

第八章 深度模型中的优化

第九章 卷积神经网络

第十章 序列建模:循环和递归网络

第十一章 实用方法

第十二章 应用

深度学习研究

第十三章 线性因子模型

第十四章 自动编码器

第十五章 表示学习

第十六章 深度学习中的结构化概率模型

第十七章 蒙特卡罗方法

第十八章 面对配分函数

第十九章 近似推断

第二十章 深度生成模型