选自GitHub
机器之心整理
参与:蒋思源
《Deep Learning》中文版(印前版)正式发布。这本书适合于各类读者,尤其是学习机器学习的本科或研究生、深度学习和人工智能的研究者、或没有机器学习与统计背景的软件工程师。读者可以点击「阅读原文」下载书籍。
项目地址:https://github.com/exacity/deeplearningbook-chinese
在线阅读地址:https://exacity.github.io/deeplearningbook-chinese/
《Deep Learning》这本书是由学界领军人物 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合力打造,特斯拉的 CEO 马斯克曾经评价道:「《Deep Learning》由领域内三位专家合著,是该领域内唯一的综合性书籍。」
这本书的主题具体来说,是机器学习的一种,一种能够使计算机系统从经验和数据中得到提高的技术。深度学习是一种特定类型的机器学习,具有强大的能力和灵活性,它将大千世界表示为嵌套的层次概念体系(由较简单概念间的联系定义复杂概念、从一般抽象概括到高级抽象表示)。对于本书的结构,第一部分介绍基本的数学工具和机器学习的概念,第二部分介绍最成熟的深度学习算法,而第三部分讨论某些具有展望性的想法,它们被广泛地认为是深度学习未来的研究重点。
因此,本书从基础数学知识到各类深度方法全面而又深入地描述了深度学习的各个主题。译者们也相信开源此书 PDF 版的中文译文可以促进大家对深度学习的基础和前沿知识有进一步的理解,也相信通过开放高质量的专业书籍能做到先阅读后付费。
目录
第一章:前言
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
第六章:深度前馈网络
第七章:深度学习中的正则化
第八章:深度模型中的优化
第九章:卷积网络
第十章:序列建模:循环和递归网络
第十一章:实践方法论
第十二章:应用
第十三章:线性因子模型
第十四章:自动编码
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
译者声明
在众多网友的帮助和校对下,草稿慢慢变成了初稿。尽管还有很多问题,但至少 90% 的内容是可读的,并且是准确的。我们尽可能地保留了原书 Deep Learning 中的意思并保留原书的语句。
然而我们水平有限,我们无法消除众多读者的方差。我们仍需要大家的建议和帮助,一起减小翻译的偏差。
大家所要做的就是阅读,然后汇总你的建议,提 issue(最好不要一个一个地提)。如果你确定你的建议不需要商量,可以直接发起 PR。
对应的翻译者:
面向的读者
请直接下载 PDF 阅读。(http://suo.im/2QPaAQ)
这一版准确性已经有所提高,读者可以以中文版为主、英文版为辅来阅读学习,但我们仍建议研究者阅读原版(http://www.deeplearningbook.org/)。
出版及开源原因
本书将由出版社出版,但我们不确定具体日期。所以大家可以先看 PDF 电子版,毕竟技术日新月异。
如果你觉得中文版 PDF 对你有所帮助,希望将来出版的时候你能支持下纸质正版书籍。如果你觉得中文版不行,希望你能多提建议。非常感谢各位!
以下是开源的具体原因:
致谢
我们有 3 个类别的校对人员。
所有校对建议都保存在各章的 annotations.txt 文件中。
本文为机器之心报道,转载请联系本公众号获得授权。