动手学深度学习

by Aston Zhang, Mu Li, Zachary C. Lipton

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。

全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

440 pages, Hardcover

Published June 1, 2019

Reviews

[Yanjia Li · Rating 3 out of 5]

本书所有知识点都配套源代码还有论坛是非常良心的，至少和某些国内复制粘贴翻译的劣质书籍区分开来了。整体来说内容比较入门，不适合已经从业或者入门的程序员。然而要说对于小白，其实我觉得也不是特别友好，这本书想要讲的东西太多，还要顺带解释很多mxnet的特性，但篇幅又是有限的，所以很难把各个知识点前因后果讲清楚，往往就是提一下有这么个东西，他是这么几个特点，纯小白估计都要看的云里雾里的。感觉入门还是cousera或者udacity上的课好一些，或者把这门书当作一个综述，再去对着每个章节查阅相关资料。读下来，个人比较喜欢优化方法和计算性能两章。

另外，就MXNET来说，现在做工程很多时候不得不用Tensorflow，想偷懒的话或者做学术的话又都会去投奔PyTorch，所以就投资收益率角度来说，你学完MXNET肯定还要再学一个新的框架的。虽说触类旁通，但这类框架一般坑都很多，还是专精一个为好。如果作者并非亚麻的员工，并用PyTorch重写一本的话，可能真的能成为华人版的Hands-On Machine Learning一书吧。