导航菜单

GitHub超1.1万星:李沐经典作品《动手学深度学习》更新强互动

GitHub超过11,000个明星:李牧经典作品《动手学深度学习》我要分享的互动性强的新智慧元2019.9.18

编辑:圆子

[新知苑指南]李牧等伯克利中文教程《动手学深度学习》,对于中国读者来说,可以运行,可以进行讨论。本书是2019年春季学期深度学习入门课程中文版,来自加利福尼亚大学伯克利分校。

要学习深度学习的中国经典教科书,李牧和其他合着者《动手学深度学习》无疑是最前沿的。

《动手学深度学习》是加州大学伯克利分校的中文版,2019年春季学习深度学习入门课程材料《Dive into Deep Learning》。课件和教学视频:

本书为读者提供了两种选择:

在线HTML版本。更具交互性,在计算机上阅读更方便,您可以浏览免费资源,参与讨论等。

离线PDF版本。适合与iPad和Kindle等电子书阅读器一起阅读。这本书非常贴心,每章都附有QR码,读者可以直接扫描QR码来参与本章的讨论

本书涵盖了深入的学习方法和实践,主要针对大学生,技术人员和研究人员。学校的学生和老师可以为本书的学习或教学申请免费的计算机资源:

阅读本书要求读者理解基本的Python编程或附录中描述的基本代数,微分和概率基础。课件,家庭作业和教学视频等资源可在伯克利的《深度学习入门》中找到。

这本书有11章。首先,介绍基础和计算知识,预备知识以及与深度学习相关的最基本概念和技术。然后,深入介绍了深度学习计算的重要组成部分,重点介绍了深度学习的两个非常重要的领域。网络中的“卷积神经网络”和“循环神经网络”进行解释;然后还讨论了优化算法和计算性能;最后介绍了计算机视觉NLP,并通过Kaggle实战案例为实践演习提供了实践机会。

本书具有非常鲜明的特色:互动性和实用性。本书不仅结合了知识和原理,还结合了课件和视频演示,结合了文本,公式,图像,代码和运行结果。

本书的每个部分都提供了Jupyter Notebook的可下载和运行的摘要;每章后面都有一个讨论部分,读者可以随时讨论。

该教程已在GitHub上开源。动手能力强的学生可以尝试自己构建它。例如,您可以将Sphinx的Material Design HTML主题修改为您喜欢的主题,并更愉快地阅读本书。仓库地址:

但是,应该注意的是,在提交之前需要清除所有markdown文件,它们将在服务器上重新执行生成的结果。因此,您需要确保每个笔记本都不会执行太长时间,当前限制为20分钟。

李牧是亚马逊的首席科学家。博士美国卡内基梅隆大学计算机科学专业。他曾担任加州大学伯克利分校的助理教授,初创公司Marianas Labs的首席技术官,以及百度深度学习研究所的首席研发架构师。

他的研究重点是分布式系统和机器学习算法。他在多个领域的领先学术会议上发表了论文,包括理论(FOCS),机器学习(ICML,NIPS),应用程序(CVPR,KDD)和操作系统(OSDI)。

收款报告投诉

编辑:圆子

[新知苑指南]李牧等伯克利中文教程《动手学深度学习》,对于中国读者来说,可以运行,可以进行讨论。本书是2019年春季学期深度学习入门课程中文版,来自加利福尼亚大学伯克利分校。

要学习深度学习的中国经典教科书,李牧和其他合着者《动手学深度学习》无疑是最前沿的。

《动手学深度学习》是加州大学伯克利分校的中文版,2019年春季学习深度学习入门课程材料《Dive into Deep Learning》。课件和教学视频:

本书为读者提供了两种选择:

在线HTML版本。更具交互性,在计算机上阅读更方便,您可以浏览免费资源,参与讨论等。

离线PDF版本。适合与iPad和Kindle等电子书阅读器一起阅读。这本书非常贴心,每章都附有QR码,读者可以直接扫描QR码来参与本章的讨论

本书涵盖了深入的学习方法和实践,主要针对大学生,技术人员和研究人员。学校的学生和老师可以为本书的学习或教学申请免费的计算机资源:

阅读本书要求读者理解基本的Python编程或附录中描述的基本代数,微分和概率基础。课件,家庭作业和教学视频等资源可在伯克利的《深度学习入门》中找到。

这本书有11章。首先,介绍基础和计算知识,预备知识以及与深度学习相关的最基本概念和技术。然后,深入介绍了深度学习计算的重要组成部分,重点介绍了深度学习的两个非常重要的领域。网络中的“卷积神经网络”和“循环神经网络”进行解释;然后还讨论了优化算法和计算性能;最后介绍了计算机视觉NLP,并通过Kaggle实战案例为实践演习提供了实践机会。

本书具有非常鲜明的特色:互动性和实用性。本书不仅结合了知识和原理,还结合了课件和视频演示,结合了文本,公式,图像,代码和运行结果。

本书的每个部分都提供了Jupyter Notebook的可下载和运行的摘要;每章后面都有一个讨论部分,读者可以随时讨论。

该教程已在GitHub上开源。动手能力强的学生可以尝试自己构建它。例如,您可以将Sphinx的Material Design HTML主题修改为您喜欢的主题,并更愉快地阅读本书。仓库地址:

但是,应该注意的是,在提交之前需要清除所有markdown文件,它们将在服务器上重新执行生成的结果。因此,您需要确保每个笔记本都不会执行太长时间,当前限制为20分钟。

李牧是亚马逊的首席科学家。博士美国卡内基梅隆大学计算机科学专业。他曾担任加州大学伯克利分校的助理教授,初创公司Marianas Labs的首席技术官,以及百度深度学习研究所的首席研发架构师。

他的研究重点是分布式系统和机器学习算法。他在多个领域的领先学术会议上发表了论文,包括理论(FOCS),机器学习(ICML,NIPS),应用程序(CVPR,KDD)和操作系统(OSDI)。

——