| title | description | date | categories | tags | published | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
神经网络与深度学习 |
《神经网络与深度学习》 |
2016-09-22 |
|
|
true |
近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。从车牌识别、人脸识别、语音识别、智能问答、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地使用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者们的长期努力。特别是最近这几年，得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富，越来越多的人开始关注这一个“崭新”的研究领域：深度学习。深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。
本课程主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、循环神经网络等）以及在计算机视觉、自然语言处理等领域的应用。
要获取更新提醒，请关注https://github.com/nndl/nndl.github.io
示例代码，见https://github.com/nndl/nndl-codes
课程练习，见https://github.com/nndl/exercise
《神经网络与深度学习》3小时课程概要 ppt(72M) pdf (12M)
全书内容 pdf (updated 2019-4-18)、ipad版 (updated 2019-4-18，请忽略版式问题)
##章节内容
- 绪论[ppt] (updated 2019-4-4)
- 机器学习概述 [ppt] (updated 2019-4-4)
- 线性模型 [ppt] (updated 2019-4-4)
- 前馈神经网络 [ppt] (updated 2019-4-4)
- 卷积神经网络 [ppt] (updated 2019-4-4)
- 循环神经网络 [ppt] (updated 2019-4-4)
- 网络优化与正则化 [ppt] (updated 2019-4-4)
- 注意力机制与外部记忆 [ppt] (updated 2019-4-4)
- 无监督学习 [ppt] (updated 2019-4-4)
- 模型独立的学习方式 (updated 2019-4-4)
- 概率图模型 [ppt] (updated 2019-4-4)
- 深度信念网络 [ppt] (updated 2019-4-4)
- 深度生成模型[ppt] (updated 2019-4-4)
- 深度强化学习 [ppt] (updated 2019-4-4)
- 序列生成模型 [ppt] (updated 2019-4-4) 一个过时版本：词嵌入与语言模型
- 数学基础 (updated 2019-4-4)
如果您有任何意见、评论以及建议（先确认最新版本中是否已经修正），请通过GitHub的Issues页面进行反馈。如果错误比较重要，我会在本书中进行致谢。
反馈意见包括但不限于：（因为分开排版关系，页码错误请忽略。）
- 打字错误
- 描述错误: 比如“感知器是非线性分类器”
- 评论
- 建议
非常感谢！
致谢列表：感谢王利锋、张钧瑞、李浩、胡可鑫、韦鹏辉、徐国海、侯宇蓬、任强、王少敬等同学指出书中的错误。
##推荐课程
http://joanbruna.github.io/stat212b/
加州大学伯克利分校统计系Joan Bruna（Yann LeCun博士后） 以统计的角度讲解DL。
斯坦福大学 Richard Socher 主要讲解自然语言处理领域的各种深度学习模型
斯坦福大学 Fei-Fei Li Andrej Karpathy 主要讲解CNN、RNN在图像领域的应用
##致谢
本页面由Typora编辑。