个人觉得github上的中文版翻译的不错,有700多页,深度学习入门经典书籍,前几章的数学基础介绍的相当不错。
第一部分基本就是统计学习最基础的线性代数,概率论等,第4章值得一读,讲了些数值分析里常涉及的几个概念(Poor Conditioning, Optimization method)。第5章介绍了Machine Learning各个算法。严格的数学推导较少。
第二部分第7章讲的正则化(Regularization),第8章的优化方法(Optimization)和11章的方法论是任何模型都离不开的。将(基本)所有正则化方法放到一起讲解并做横向比较。根据个人经验详细阐述了各种情况下对应方法选择。9,10,12章讲的是现在比较成熟的模型及其应用。
第三部分讲的是深度学习领域比较活跃的科研问题。判别式模型(discriminative model)减少而生成式模型(generative model)增多就可以看出主流的研究方向。19章讲的EM算法,MAP,Sparse Coding都是Inference里重中之重。
《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。
高清中文版PDF,带目录,文字能够复制;高清英文版PDF,带目录,文字能够复制;
网盘下载:http://106.13.73.98
原文地址:https://www.cnblogs.com/zyk01/p/10975430.html
时间: 2024-10-03 04:07:11