《深入淺出深度學習：原理剖析與Python實踐》| 每日讀本書

編輯推薦

本書最大的特色在于取舍明确，一切無助于迅速了解深度學習精髓的内容全被摒棄了，并着重闡述了技術上的重點和難點；表達上深入淺出：即便是從未接觸過AI知識的人，也能從作者簡明清晰的表述中，一窺深度學習的殿堂。

對任何一位想成為AI/深度學習領域工程師的讀者來說，《深入淺出深度學習：原理剖析與Python實踐》能幫你迅速打開AI的大門，并成長為一名合格的AI工程師。

黃安埠 著 / 2017年6月出版

内容提要

《深入淺出深度學習：原理剖析與Python實踐》介紹了深度學習相關的原理與應用，全書共分為三大部分，第一部分主要回顧了深度學習的發展曆史，以及Theano的使用；第二部分詳細講解了與深度學習相關的基礎知識，包括線性代數、機率論、機率圖模型、機器學習和最優化算法；在第三部分中，針對若幹核心的深度學習模型，如自編碼器、受限玻爾茲曼機、遞歸神經網絡和卷積神經網絡等進行詳細的原理分析與講解，并針對不同的模型給出相應的具體應用。

《深入淺出深度學習：原理剖析與Python實踐》适合有一定高等數學、機器學習和Python程式設計基礎的在校學生、高校研究者或在企業中從事深度學習的工程師使用，書中對模型的原理與難點進行了深入分析，在每一章的最後都提供了詳細的參考文獻，讀者可以對相關的細節進行更深入的研究。最後，理論與實踐相結合，《深入淺出深度學習：原理剖析與Python實踐》針對常用的模型分别給出了相應的應用，讀者也可以在Github中下載下傳和檢視《深入淺出深度學習：原理剖析與Python實踐》的代碼。

作者簡介

黃安埠

2012年畢業于清華大學，獲碩士學位，在校期間活躍于TopCoder等程式設計競賽社群。現為騰訊基礎研究進階工程師，研究領域包括個性化推薦、自然語言處理和大規模的相似度優化計算，特别是對于深度學習在推薦系統的應用有深入的研究，并申請了國内十餘項相關專利。

媒體評論

在這個人工智能紅紅火火的年代，寫出一本能讓初學者和“老司機”同樣感到非常有用的機器學習書是一件很有意義卻又不容易的事。黃安埠的《深入淺出深度學習：原理剖析與Python實踐》就做到了這一點。 本書從最基本的人工智能假設出發，回顧了人工智能的發展簡史，很自然地把讀者帶入現代常用的算法、思想和實踐中。從數學基礎，到程式設計例證，再到各個流行的開源軟體包，本書起到了入門與工具的作用。同時，書的後半部也幫助讀者深入了解深度學習的思維和實踐。

我一直在尋找一本既可以用于教學也能給學生動手做系統的工具書，現在很高興地向大家推薦：本書就可以達到這個目的。

—— 楊強 香港科技大學計算機系主任，中國人工智能協會副理事長

本書内容全面，但是取舍明确，有重點地深入，尤其對于技術的重點難點解釋得很詳細，深入淺出：着重于原理的解釋和動手實踐的路徑，但是并不拘泥于細枝末節。

認真讀完此書，讀者應該擁有三項能力：一是讀得懂深度學習的論文；二是讀得懂深度學習的代碼；三是能夠自行開發簡單的深度學習應用。

在深度學習技術異常火爆，深度學習工程師奇缺的當下，如何快速培養深度學習方向的工程師，是一個迫切的問題。此書是難得的好教材。

—— 鄧侃 博士，北京大數醫達科技有限公司CTO

精彩導讀

前言

What magical trick makes us intelligent? The trick is that there is no trick. The power of intelligence stems from our vast diversity, not from any single, perfect principle.

—— Marvin Minsky

智能（Intelligence）這個詞的出現最早可以追溯到古希臘時期，當時人們已經開始夢想能創造出一種像人類一樣，具有獨立思考和推理能力的機器，但由于受到當時生産力水準的制約，古人對“智能”的研究更多的是停留在理論探索階段。到了近代，尤其是具有劃時代意義的達特茅斯會議的召開，标志着人工智能開始從理論探索進入到理論與應用相結合的實踐階段。從世紀年代開始，人工智能的發展大緻經曆了三個階段，分别從最初的邏輯推理，到統計機器學習，再到近年來逐漸占據主流地位的深度學習。

雖然深度學習是一門以神經網絡為核心的學科，但人們普遍認為深度學習始于2006年，當時Hinton等人提出基于深度置信網絡（DBN）逐層預訓練的方法來訓練深層模型，并首次提出了深度學習的概念。此後，深度學習開始進入人們的視野，但那時候深度學習更多的是少數頂尖科學家研究的領域，并沒有得到大規模的應用和推廣。直到2012年，Hinton和他的兩個學生Alex Krizhevsky、Illya Sutskever，将卷積神經網絡應用到ImageNet競賽中，并取得了分類錯誤率15%的成績，這個成績比第二名低了近個11百分點，這一曆史性的突破，使得人們開始意識到深度學習所擁有的巨大潛力，在這之後，深度學習開始在工業界，尤其是計算機視覺、語音識别和自然語言處理等領域，大規模應用，并且取得了比以往更好的效果。到了2016年，随着AlphaGo的橫空出世，它的驚人表現将深度學習的熱度推向了頂峰，是以2016年也被很多學者認為是人工智能元年，事實上，目前人工智能已經影響到人們生活的各個方面，如語音助手、語音搜尋、無人駕駛汽車、人臉識别等，為人們的生活帶來了極大的友善，人工智能也必将在今後相當長的一段時間内，繼續推動着人類的技術發展。

在本書編寫的過程中，市面上有關深度學習方面的中文書籍較少，是以作者希望能從理論和應用相結合的角度，對深度學習的相關知識進行較為全面的梳理，本書既可以作為初級讀者的入門書籍，也适合中級讀者用來加深對理論知識的了解。本書覆寫了線性代數、機率論、數值計算與最優化等基礎知識，以及深度學習的兩大核心：機率圖模型和深度神經網絡。

積跬步以至千裡。每天讀本書，為您搜羅最具權威專業書籍，更多圖書推薦請關注

每日讀書

。

好知識需要分享，如您有喜歡的書籍想與廣大開發者分享，請在文章下方評論留言，我們将為大家推薦您的愛書！