书籍下载qg群6089740钉钉群21734177 IT书籍http:/t.cn/RDIAj5D 目 录 第一部分 深度学习基础 第2章神经网络的数学基础…20 2.1初识神经网络 …20 第1章什么是深度学习… …2 2.2神经网络的数据表示……23 L1人工智能、机器学习与深度学习…2 2.2.1标量（0D张量…23 1.1.1人工智能…3 2.2.2向量(1D张量…24 1.1.2机器学习…3 22.3矩阵（2D张量 …24 1.1.3从数据中学习表示…4 2.2.43D张量与更高维张量 …24 1.1.4深度学习之“深度” 6 2.2.5关键属性 25 1.1.5用三张图理解深度学习的工作 2.2.6在Numpy中操作张量 26 原理 …7 2.2.7数据批量的概念…27 1.1.6深度学习已经取得的进展…9 2.2.8现实世界中的数据张量…27 1.1.7不要相信短期炒作…9 22.9向量数据… …27 1.1.8人工智能的未来…10 2.2.10时间序列数据或序列数据…28 12深度学习之前：机器学习简史 …1l 2.2.11图像数据…28 1.2.1概率建模…11 2.2.12视频数据 29 1.2.2早期神经网络…11 2.3 神经网络的“齿轮”：张量运算 …29 12.3核方法…12 2.3.1逐元素运算…30 12.4决策树、随机森林与梯度 2.3.2广播…3引 提升机 2.3.3张量点积… 32 …13 2.34张量变形 34 1.2.5回到神经网络… 14 1.2.6深度学习有何不同…14 2.3.5张量运算的几何解释…34 2.3.6深度学习的几何解释 35 1.2.7机器学习现状…15 2.4神经网络的“引擎”：基于梯度的 13为什么是深度学习，为什么是现在…15 优化…36 13.1硬件…16 2.4.1什么是导数…37 1.3.2数据…17 2.4.2张量运算的导数：梯度……38 1.3.3算法…17 2.4.3随机梯度下降…38 13.4新的投资热潮……17 2.4.4链式求导：反向传播算法…41 13.5深度学习的大众化…18 2.5回顾第一个例子…41 13.6这种趋势会持续吗 18 本章小结… …42 电子书寻找看手相钉钉或微信pythontesting目 录 第一部分 深度学习基础 第 1 章 什么是深度学习 ............................. 2 1.1 人工智能、机器学习与深度学习 ...............2 1.1.1 人工智能 ...........................................3 1.1.2 机器学习 ...........................................3 1.1.3 从数据中学习表示 ...........................4 1.1.4 深度学习之“深度” .........................6 1.1.5 用三张图理解深度学习的工作 原理 ..................................................7 1.1.6 深度学习已经取得的进展 ...............9 1.1.7 不要相信短期炒作 ...........................9 1.1.8 人工智能的未来 .............................10 1.2 深度学习之前：机器学习简史 .................11 1.2.1 概率建模 .........................................11 1.2.2 早期神经网络 .................................11 1.2.3 核方法 .............................................12 1.2.4 决策树、随机森林与梯度 提升机 ............................................13 1.2.5 回到神经网络 .................................14 1.2.6 深度学习有何不同 .........................14 1.2.7 机器学习现状 .................................15 1.3 为什么是深度学习，为什么是现在 .........15 1.3.1 硬件 .................................................16 1.3.2 数据 .................................................17 1.3.3 算法 .................................................17 1.3.4 新的投资热潮 .................................17 1.3.5 深度学习的大众化 .........................18 1.3.6 这种趋势会持续吗 .........................18 第 2 章 神经网络的数学基础 .....................20 2.1 初识神经网络 .............................................20 2.2 神经网络的数据表示 .................................23 2.2.1 标量（0D 张量） .............................23 2.2.2 向量（1D 张量） .............................24 2.2.3 矩阵（2D 张量） .............................24 2.2.4 3D 张量与更高维张量 ...................24 2.2.5 关键属性 .........................................25 2.2.6 在 Numpy 中操作张量 ...................26 2.2.7 数据批量的概念 .............................27 2.2.8 现实世界中的数据张量 .................27 2.2.9 向量数据 .........................................27 2.2.10 时间序列数据或序列数据 ...........28 2.2.11 图像数据 .......................................28 2.2.12 视频数据 .......................................29 2.3 神经网络的“齿轮”：张量运算 ..............29 2.3.1 逐元素运算 .....................................30 2.3.2 广播 .................................................31 2.3.3 张量点积 .........................................32 2.3.4 张量变形 .........................................34 2.3.5 张量运算的几何解释 .....................34 2.3.6 深度学习的几何解释 .....................35 2.4 神经网络的“引擎”：基于梯度的 优化 .............................................................36 2.4.1 什么是导数 .....................................37 2.4.2 张量运算的导数：梯度 .................38 2.4.3 随机梯度下降 .................................38 2.4.4 链式求导：反向传播算法 .............41 2.5 回顾第一个例子 .........................................41 本章小结 ..............................................................42 书籍下载qq群6089740 钉钉群21734177 IT书籍 http://t.cn/RDIAj5D 电子书寻找看手相 钉钉或微信pythontesting