深度学习（2017）中文版｜神经网络、机器学习、AI基础教材

报告摘要

本书是深度学习领域的经典中文教材，由多位专家联合撰写，内容涵盖线性代数、概率论、数值计算等数学基础，以及深度前馈网络、卷积网络、循环网络等核心模型。全书共738页，系统讲解深度学习原理与实践，适合AI从业者、学生及研究人员。从基础数学到高级主题如自编码器、生成模型，本书提供全面知识体系。

核心要点

致谢
网站
数学符号
第一章引言
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
第七章正则化
第八章优化
第九章卷积网络
第十章循环网络
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
第十四章自编码器
第十五章表示学习
第十六章结构化概率模型
第十七章蒙特卡罗方法
第十八章配分函数
第十九章近似推断
第二十章深度生成模型

报告信息

文件全名: 《电子书-深度学习》
适合读者: AI研究人员机器学习工程师数据科学家计算机科学学生
核心数据: 738页
2017年出版
中文翻译版
GitHub开源项目
核心议题: 教育培训神经网络机器学习基础教材

常见问题

《深度学习（2017）中文版｜神经网络、机器学习、AI基础教材》主要包含哪些内容?

本书是深度学习领域的经典中文教材，由多位专家联合撰写，内容涵盖线性代数、概率论、数值计算等数学基础，以及深度前馈网络、卷积网络、循环网络等核心模型。全书共738页，系统讲解深度学习原理与实践，适合AI从业者、学生及研究人员。从基础数学到高级主题如自编码器、生成模型，本书提供全面知识体系。核心数据:738页;2017年出版;中文翻译版。

这份报告覆盖哪一年、篇幅多大?

覆盖 2017 年,全文约 738。

这份报告是免费的吗?如何获取?

本报告免费查阅,登录资料宝后即可在线获取完整内容。

这份报告适合哪些读者?

适合AI研究人员、机器学习工程师、数据科学家、计算机科学学生等读者参考。

报告涉及哪些关键议题?

重点分析了教育培训、神经网络、机器学习、基础教材等议题。