《深度学习》经过两年半的努力,由谷歌大脑团队科学家 Ian Goodfellow, Yoshua Bengio 和 Aaron Courville 撰写,麻省理工大学出版的《Deep Learning》,今天完成最终稿了,合计共 802 页。
Yoshua Bengio :蒙特利尔大学教授,机器学习大神之一,尤其是在深度学习这个领域。他连同 Geoff Hinton 老先生以及 Yann LeCun 教授,缔造了 2006 年开始的深度学习复兴。他的研究工作主要聚焦在高级机器学习方面,致力于用其解决人工智能问题。
Ian Goodfellow :Yoshua Bengio 的博士生、前 Google 科学家,现在在 OpenAI 工作。他在机器人学习、MaxOut Network 和对抗网络生成领域都有所建树。
Aaron Courville :蒙特利尔大学助理教授,在深度学习、概率模型有很深的理解。
给读者的话
这本书对很多读者都有用,但是在我们脑海里,这本书主要针对两类受众:
一类受众是学习机器学习的学生们(无论是毕业的还是没毕业的),包括那些在深度学习和人工智能领域刚开始职业生涯的。
另一类受众是软件工程师,他们没有机器学习和统计学的背景,但需要快速掌握,并且在他们的平台和产品中使用深度学习。深度学习已经证明了在很多软件方面,例如计算机视觉、语音、自然语言理解、机器人、复杂生物学、化学、视频、游戏、搜索引擎、在线广告和金融有很好的效果。
这本书的内容组织有三个方面,以更好的适应不同的读者。
第一部分介绍了基本的数学工具和机器学习概念。
第二部分描述了最常用的深度学习算法和技术。
第三部分描述了更多探索性的想法,这些想法普遍被认为对未来的深度学习研究很重要。
读者们可以跳过那些不感兴趣,或者和自己无关的章节。如果读者熟悉线性代数、概率论和基础的机器学习概念,那么可以跳过第一部分。例如如果读者只是想部署一个可以工作的系统,那么他就应该只读第二部分。为了帮助读者选择哪个章节以学习,Fig.1.6 提供了一个流程图,显示了这本书高度概括结构。
我们假设所有的读者都拥有计算机的背景。我们假设读者们都熟悉编程,也对计算性能、复杂理论、微积分和图理论有基本的了解。