https://nostarch.com/math-deep-learning

深度學習無處不在,這使得AI的強大驅動力成為更多STEM專業人士需要了解的東西。學習使用哪個庫命令是一回事,但要真正理解這一原則,您需要掌握使之正確的數學概念。本書將為您提供概率論、統計學、線性代數和微分學等主題的工作知識,這些是使深度學習易於理解的基本數學知識,也是成功練習深度學習的關鍵。 這四個子領域中的每一個都與Python代碼和實際操作的示例相關聯,這些示例彌合了純數學及其在深度學習中的應用之間的差距。章節建立在彼此的基礎上,基本的主題,如貝葉斯定理,然後是更高級的概念,如使用向量、矩陣和函數的導數訓練神經網絡。在探索和實現深度學習算法時,您將最終使用所有這些數學知識,包括反向傳播和梯度下降——這些基本算法使AI革命成為可能。 你將學習:

目錄內容:

Introduction Chapter 1: Setting the Stage Chapter 2: Probability Chapter 3: More Probability Chapter 4: Statistics Chapter 5: Linear Algebra Chapter 6: More Linear Algebra Chapter 7: Differential Calculus Chapter 8: Matrix Calculus Chapter 9: Data Flow in Neural Networks Chapter 10: Backpropagation Chapter 11: Gradient Descent Appendix: Going Further View the Copyright page

View the detailed Table of Contents

View the Index

"> 【幹貨書】深度學習數學:理解神經網絡,347頁pdf - 專知VIP

https://nostarch.com/math-deep-learning

深度學習無處不在,這使得AI的強大驅動力成為更多STEM專業人士需要了解的東西。學習使用哪個庫命令是一回事,但要真正理解這一原則,您需要掌握使之正確的數學概念。本書將為您提供概率論、統計學、線性代數和微分學等主題的工作知識,這些是使深度學習易於理解的基本數學知識,也是成功練習深度學習的關鍵。 這四個子領域中的每一個都與Python代碼和實際操作的示例相關聯,這些示例彌合了純數學及其在深度學習中的應用之間的差距。章節建立在彼此的基礎上,基本的主題,如貝葉斯定理,然後是更高級的概念,如使用向量、矩陣和函數的導數訓練神經網絡。在探索和實現深度學習算法時,您將最終使用所有這些數學知識,包括反向傳播和梯度下降——這些基本算法使AI革命成為可能。你將學習:

  • 概率規則,概率分布,貝葉斯概率
  • 使用統計數據來理解數據集和評估模型
  • 如何操作向量和矩陣,並利用它們在神經網絡中移動數據
  • 如何用線性代數實現主成分分析和奇異值分解
  • 如何應用改進版本的梯度下降,如RMSprop, Adagrad和Adadelta
  • 一旦你通過AI編程的鏡頭理解了本書中呈現的核心數學概念,你就會有基礎的知識來輕鬆跟隨和使用深度學習。

目錄內容:

IntroductionChapter 1:Setting the StageChapter 2:ProbabilityChapter 3:More ProbabilityChapter 4:StatisticsChapter 5:Linear AlgebraChapter 6:More Linear AlgebraChapter 7:Differential CalculusChapter 8:Matrix CalculusChapter 9:Data Flow in Neural NetworksChapter 10:BackpropagationChapter 11:Gradient DescentAppendix:Going FurtherView the Copyright page

View the detailed Table of Contents

View the Index

成為VIP會員查看完整內容
72
144

相關內容

機器學習的一個分支,它基於試圖使用包含複雜結構或由多重非線性變換構成的多個處理層對數據進行高層抽象的一係列算法。

知識薈萃

精品入門和進階教程、論文和代碼整理等

更多

查看相關VIP內容、論文、資訊等
【幹貨書】統計學習導論,431頁pdf講解數據科學知識
專知會員服務
49+閱讀 · 2021年6月7日
【幹貨書】Python機器學習,361頁pdf
專知會員服務
183+閱讀 · 2021年2月25日
【幹貨書】機器學習速查手冊,135頁pdf
專知會員服務
85+閱讀 · 2020年11月20日
【2020新書】概率機器學習,附212頁pdf與slides
專知會員服務
78+閱讀 · 2020年11月12日
【幹貨書】數據科學家統計實戰,附代碼與409頁pdf
專知會員服務
40+閱讀 · 2020年11月6日
【幹貨書】用於概率、統計和機器學習的Python,288頁pdf
專知會員服務
210+閱讀 · 2020年6月3日
【新書】傻瓜式入門深度學習,371頁pdf
專知會員服務
159+閱讀 · 2019年12月28日
【初學者指南】神經網絡中的數學
專知
29+閱讀 · 2019年12月16日
七本書籍帶你打下機器學習和數據科學的數學基礎
雲棲社區
23+閱讀 · 2018年4月22日
【幹貨】​深度學習中的線性代數
專知
16+閱讀 · 2018年3月30日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2012年12月31日
國家自然科學基金
2+閱讀 · 2012年12月31日
國家自然科學基金
0+閱讀 · 2012年12月31日
國家自然科學基金
1+閱讀 · 2012年12月31日
國家自然科學基金
1+閱讀 · 2011年12月31日
國家自然科學基金
1+閱讀 · 2011年12月31日
國家自然科學基金
0+閱讀 · 2009年12月31日
Arxiv
21+閱讀 · 2021年7月7日
Arxiv
54+閱讀 · 2021年6月18日
Arxiv
44+閱讀 · 2021年5月9日
Recent advances in deep learning theory
Arxiv
45+閱讀 · 2020年12月20日
A Modern Introduction to Online Learning
Arxiv
16+閱讀 · 2019年12月31日
Optimization for deep learning: theory and algorithms
Arxiv
89+閱讀 · 2019年12月19日
VIP會員
相關VIP內容
【幹貨書】統計學習導論,431頁pdf講解數據科學知識
專知會員服務
49+閱讀 · 2021年6月7日
【幹貨書】Python機器學習,361頁pdf
專知會員服務
183+閱讀 · 2021年2月25日
【幹貨書】機器學習速查手冊,135頁pdf
專知會員服務
85+閱讀 · 2020年11月20日
【2020新書】概率機器學習,附212頁pdf與slides
專知會員服務
78+閱讀 · 2020年11月12日
【幹貨書】數據科學家統計實戰,附代碼與409頁pdf
專知會員服務
40+閱讀 · 2020年11月6日
【幹貨書】用於概率、統計和機器學習的Python,288頁pdf
專知會員服務
210+閱讀 · 2020年6月3日
【新書】傻瓜式入門深度學習,371頁pdf
專知會員服務
159+閱讀 · 2019年12月28日
相關基金
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2012年12月31日
國家自然科學基金
2+閱讀 · 2012年12月31日
國家自然科學基金
0+閱讀 · 2012年12月31日
國家自然科學基金
1+閱讀 · 2012年12月31日
國家自然科學基金
1+閱讀 · 2011年12月31日
國家自然科學基金
1+閱讀 · 2011年12月31日
國家自然科學基金
0+閱讀 · 2009年12月31日
微信掃碼谘詢專知VIP會員
Top