李沐新书推荐！零根本《着手学深度进修》能运行、可谈论_深度_本书

2024-11-23 19:15:36 文字写作

量子位编辑 | "大众号 QbitAI

李沐新书推荐！零根本《着手学深度进修》能运行、可谈论_深度_本书文字写作

最近很多想入门深度学习的读者表示，深度学习的涉及面比较广，对数学的哀求比较高，想学也不太敢学，恐怕负责学了却没学会。

关于深度学习，网上的资料很多，不过大部分都不太适宜初学者。
有几个缘故原由：

1、深度学习须要一定的数学根本。
如果不用深入浅出地方法讲，有些读者就会有畏难的感情，因而随意马虎过早地放弃。

2、市情上的深度学习书本普遍偏理论，缺少能够动手实践的书本快速上手。

3、***课程普遍英文版居多，书本和***搭配的深度学习著作很少。

那么学习深度学习，低级者该怎么入手呢？很多初学者都希望有一本既有书本又有***，当然还想要有一个比较好的学习氛围和大家一起学。

以是，量子位向大家推举李沐大神的《动手学深度学习》，这是沐神新作，也是非常适宜新手学习的入门书本。
并且，7月20日前购买可享6.6折优惠哦~

点击链接查看详情、购买：微店为什么推举这本书？

情由一：重“动手学”，真正意义的可实操，能运行

在《动手学深度学习》出版前，Ian Goodfellow 的《深度学习》是当时最好的入门书，但它只做了一样平常的模型描述而没有如何实际利用它们以及效果怎么样。
《动手学深度学习》是一本既能讲事理、又有实现和实际利用、不断更新、而且随意马虎读的书。

在过去两年的摸索中，这本入门书在传统意义的书上往前走了几步：

书的每一章用笔墨、数学、图示和代码来多方面先容一个知识点。
它是一个 Jupyter 记事本，可以独立运行。
包含20个旁边的笔墨和代码块，可以15分钟旁边读完；源文件是 Markdown，不保存实行输出，并开源在 Github 上。
这样方便更多人贡献和改动审阅，同时可以很随意马虎的不断加新章节；任何改动都会触发持续集成做事重新实行记事本来得到实行输出，这样担保代码的精确性。
一个记事本的实行韶光掌握在不超过十分钟。
这对展示繁芜模型的演习颇为寻衅；实行无误后直接用三种格式发布在网上：含有实行输出的 Jupyter 记事本，可以直接浏览的HTML，和适宜打印的 PDF；可以像LaTeX那样方便的索引图、表、公式和文献；每一章都有可以谈论的链接。

这本书代码的实现很多是基于 MXNet（一开始的目标是为 MXNet 写个好点文档），我们也考虑过要不要供应一个 Pytorch 或者 Keras 的版本。
后来创造这个担心比较多余。
框架便是一个工具，工具之间的那些不同带来的困难比起理解模型和调出结果来小很多。

课上创造就算是没有打仗过这些工具的学生，用 MXNet 做作业，然后在基于不管用啥框架实现的现有算法再开拓做项目并没有多大困难。
或者说困难都不来自工具本身，特殊是算法实现都在课上讲过一遍的情形下。

情由二：亚马逊首席科学家李沐等大师作品，历时三年沉淀

本书四位作者均是亚马逊科学家，对人工智能领域颇具口碑，李沐老师被浩瀚粉丝喜好更多的来源于他的口碑公开课，纯中文的授课办法得到了大家的普遍认可。

阿斯顿·张（Aston Zhang），亚马逊运用科学家，美国伊利诺伊大学喷鼻香槟分校打算机科学博士，统计学和打算机科学双硕士。
他专注于机器学习的研究，并在数个顶级学术会议揭橥过论文。

他担当过 NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等学术会议的程序委员或审稿人以及 Frontiers in Big Data 期刊的编委。

李沐（Mu Li），亚马逊首席科学家（Principal Scientist），加州大学伯克利分校客座助理教授，美国卡内基梅隆大学打算机系博士。
他专注于分布式系统和机器学习算法的研究，是深度学习框架 MXNet 的作者之一。

他曾任机器学习创业公司 Marianas Labs 的 CTO 和百度深度学习研究院的主任研发架构师。

扎卡里·C. 立顿（Zachary C. Lipton），亚马逊运用科学家，美国卡内基梅隆大学助理教授，美国加州大学圣迭戈分校博士。
他专注于机器学习算法及其社会影响的研究，特殊是在时序数据与序列决策上的深度学习。

这类事情有着广泛的运用处景，包括医疗诊断、对话系统和产品推举。
他创立了博客 “Approximately Correct”（approximatelycorrect.com）。

亚历山大·J. 斯莫拉（Alexander J. Smola），亚马逊副总裁/ 精彩科学家，德国柏林工业大学打算机科学博士。
他曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教。

他揭橥了超过 200 篇学术论文，并著有 5 本书，其论文及书被引用超过 10 万次。
他的研究兴趣包括深度学习、贝叶斯非参数、查究法、统计建模和可扩展算法。

点击链接查看详情、购买：微店

情由三：图书+***一起学

在学习过程中，大家有一个普遍的共识，看书理论是一回事，写代码是一回事，调代码又是另一回事，每件事之间都有一个 gap，爬都爬不过去，跌跌撞撞很痛楚。

《动手学深度学习》搭配有免费的公开课***，把写代码和调代码也当作一回事，跟理论一起讲一起演示。
随着大牛一起学，相信会让你事半功倍。

《动手学深度学习》录像有两个场景，一个是主体是幻灯片，讲师在角落。
另一个主体是黑板。

过去几年里《动手学深度学习》作者为了让学员更好的学习深度学习，考试测验了各种 DIY 手段来通过便宜的器材来录制准专业的***。
下图是这次利用的器材。

通过多种器材的摸索，终于呈现了现在的***学习模式！

情由四：浩瀚人工智能领域大咖大力推举

本书得到了来自学术界和工业界的韩家炜、Bernhard Schölkopf、周志华、张潼、余凯、漆远、沈强等浩瀚实力大咖大力推举。

来自学术界对此书的评价：

这是一本及时且引人入胜的书。
它不仅供应了深度学习事理的全面概述，还供应了具有编程代码的详细算法，此外，还供应了打算机视觉和自然措辞处理中有关深度学习的最新先容。
如果你想研讨深度学习，请研读这本书！

——韩家炜，ACM 院士、IEEE 院士、美国伊利诺伊大学喷鼻香槟分校打算机系 Abel Bliss 教授

这是对机器学习文献的一个很受欢迎的补充，重点是通过集成 Jupyter 记事本实现的动手履历。
深度学习的学生该当能体会到，这对付闇练节制这一领域是非常宝贵的。

——Bernhard Schölkopf，ACM 院士、德国国家科学院院士、德国马克斯• 普朗克研究所智能系统院院长

这本书基于MXNet 框架来先容深度学习技能，书中代码可谓“所学即所用”，为喜好通过Python 代码进行学习的读者理解、打仗深度学习技能供应了很大的便利。

——周志华，ACM 院士、IEEE 院士、AAAS 院士、南京大学打算机科学与技能系主任

这是一本基于Apache MXNet 的深度学习实战书本，可以帮助读者快速上手并节制利用深度学习工具的基本技能。
本书的几个作者都在机器学习领域有着非常丰富的履历。
他们不只有大量的工业界实践履历，也有非常高的学术造诣，以是对机器学习领域的前沿算法理解深刻。
这使得作者们在供应优质代码的同时，也可以把最前沿的算法和观点深入浅出地先容给读者。
这本书可以帮助深度学习实践者快速提升自己的能力。

——张潼，喷鼻香港科技大学打算机科学与数学教授

来自工业界：

虽然业界已经有不错的深度学习方面的书本，但都不足紧密结合工业界的运用实践。
我认为《动手学深度学习》是最适宜工业界研发工程师学习的，由于这本书把算法理论、运用处景、代码实例都完美地联系在一起，勾引读者把理论学习和运用实践紧密结合，知行合一，在动手中学习，在体会和领会中不断深化对深度学习的理解。
因此我毫无保留地向广大的读者强烈推举《动手学深度学习》。

——余凯，地平线公司创始人、首席实行官

强烈推举这本书！
它实在远不但是一本书：它不仅讲解深度学习背后的数学事理，更是一个编程事情台与记事本，让读者可以一边动手学习一边收到反馈，它还是个开源社区平台，让大家可以互换。
作为在AI 学术界和工业界都长期事情过的人，我特殊讴歌这种手脑一体的学习办法，既能增强实践能力，又可以在办理问题中磨炼独立思考和批驳性思维。

作者们是算法工程兼强的业界俊彦，他们能奉献出这样的一本好的开源书，为他们点赞!

——漆远，蚂蚁金服副总裁、首席人工智能科学家

一年前作者开始在将门技能社群中做深度学习的系列讲座，当时我就对动手式讲座的内容和形式感到线人一新。
一年过去，看到《动手学深度学习》在持续精心打磨后终于成书出版，觉得十分欣喜！

深度学习是当古人工智能领域里炙手可热的领域，吸引了大量感兴趣的开拓者踊跃学习干系的开拓技能。
然而对大多数学习者而言，节制深度学习是一件很不随意马虎的事情，须要相继翻越数学根本、算法理论、编程开拓、领域运用、软硬优化等几座大山。
因此学习过程不随意马虎一帆风顺，我也看到很多学习者还没进入开拓环节就在理论学习的过程中抱憾放弃了。
然而《动手学深度学习》却是一本很随意马虎让学习者上瘾的书，它最大的特色是强调在动手编程中学习理论和培养实战能力。
阅读本书最愉悦的感想熏染是它很好地平衡了理论先容和编程实操，内容简明扼要，衔接自然流畅，既反响了当代深度学习的进展，又兼具易学和实用特性，是深度学习爱好者难得的学习材料。
特殊值得夸奖的是本书选择了 Jupyter 记事本作为开拓学习环境，将教材、文档和代码统一起来，给读者供应了可以立即考试测验修正代码和不雅观察运行效果的交互式的学习体验，使学习充满了乐趣。

在过去的一年中，作者和社区成员对《动手学深度学习》进行了大量优化修正才得以成书，可以说这是一本深度学习前沿实践者给深度学习爱好者带来的恳切之作，相信大家都能在阅读和实践中拥有一样的共鸣。

——沈强，将门创投创始合资人

本书构造

第一部分（第1章~第3章）涵盖预备事情和根本知识。
第1章先容深度学习的背景。
第2章供应动手学深度学习所须要的预备知识，例如，如何获取并运行本书中的代码。
第3章包括深度学习最根本的观点和技能，如多层感知机和模型正则化。
如果读者韶光有限，并且只想理解深度学习最根本的观点和技能，那么只需阅读第一部分。

第二部分（第4章~第6章）关注当代深度学习技能。
第4章描述深度学习打算的各个主要组成部分，并为实现后续更繁芜的模型打下根本。
第5章阐明近年来令深度学习在打算机视觉领域大得胜利的卷积神经网络。
第6章阐述近年来常用于处理序列数据的循环神经网络。
阅读第二部分有助于节制当代深度学习技能。

第三部分（第7章~第10章）谈论打算性能和运用。
第7章评价各种用来演习深度学习模型的优化算法。
第8章考验影响深度学习打算性能的几个主要成分。
第9章和第10章分别列举深度学习在打算机视觉和自然措辞处理中的主要运用。
这部分内容读者可根据兴趣选择阅读。

上图描述了本书的构造，个中由A章指向B章的箭头表明A章的知识有助于理解B章的内容。

点击链接查看详情、购买：微店本书代码

本书的一大特点是：每一节的代码都是可以运行的。
读者可以改动代码后重新运行，并通过运行结果进一步理解改动所带来的影响。

我们认为，这种交互式的学习体验对付学习深度学习非常主要。
由于深度学习目前并没有很好的理论阐明框架，很多论断只可融会。

笔墨阐明在这时候可能比较苍白无力，而且不敷以覆盖所有细节。
读者须要不断改动代码、不雅观察运行结果并总结履历，从而逐步领悟和节制深度学习。

我们供应代码的紧张目的在于增加一个在笔墨、图像和公式外的学习深度学习算法的办法，以及一个便于理解各个算法在真实数据上的实际效果的交互式环境。

书中只利用了 MXNet 的 ndarray、autograd、gluon 等模块或包的根本功能，从而使读者尽可能理解深度学习算法的实现细节。
即便读者在研究和事情中利用的是其他深度学习框架，书中的代码也有助于读者更好地理解和运用深度学习算法。

谈论区

进入本书内论坛，上面供应了学习社区地址和 GitHub 开源地址。
如果读者对书中某节内容有迷惑，可扫一扫该节开始的二维码参与该节内容的谈论。

值得一提的是，在有关 Kaggle 比赛章节的谈论区中，浩瀚社区成员供应了丰富的高水平方法，我们强烈推举给大家。
希望诸位积极参与学习社区中的谈论，并相信大家一定会有所收成。
本书作者和 MXNet 开拓职员也时常参与社区中的谈论。