入門深度學習，最重要的就是找一份通俗易懂的書籍！今天給大家推薦一本口碑上佳的中文版深度學習書，名叫《神經網絡與深度學習》，由復旦大學老師邱錫鵬出品。
從2016到2019，根據多年教學和研究經驗，邱錫鵬教授完成了深度學習教科書《神經網絡與深度學習》！
本書籍主要介紹神經網絡與深度學習中的基礎知識、主要模型（前饋網絡、卷積網絡、循環網絡等）以及在計算機視覺、自然語言處理等領域的應用。
這本書的作者邱錫鵬老師，目前是復旦大學計算機科學技術學院的博士生導師、自然語言處理與深度學習組的副教授。
github上邱錫鵬老師將他的**《神經網絡與深度學習》**書籍的pdf和ppt開源了出來。
這本《神經網絡與深度學習》全中文版，大大降低了深度學習的語言門檻，讓大家有更多的精力放在覈心知識內容的學習上。內容上，它面向深度學習小白，從人工智能的基本概念開始講起，可以說很友好了。此外，各種附加資料一站式配齊：從教材、講解PPT、示例代碼到課後練習，全方位無死角學習。
本書的寫作目的是使得讀者能夠掌握神經網絡與深度學習技術的基本原 理，知其然還要知其所以然。全書共 15 章。第 1 章是緒論，介紹人工智能、機器 學習、深度學習的概要，使讀者對相關知識進行全面的瞭解。第 2、3 章介紹了 機器學習的基礎知識。
第 4、5、6 章分別講述三種主要的神經網絡模型：前饋神 經網絡、卷積神經網絡和循環神經網絡。第 7 章介紹神經網絡的優化與正則化方 法。第 8 章介紹神經網絡中的注意力機制和外部記憶。第 9 章簡要介紹了一些無 監督學習方法。第 10 章中介紹一些和模型獨立的機器學習方法：集成學習、協 同學習、自學習、多任務學習、遷移學習、終身學習、小樣本學習、元學習等。這些都是目前深度學習的難點和熱點問題。
第 11 章介紹了概率圖模型的基本概 念，爲後面的章節進行鋪墊。第 12 章介紹兩種早期的深度學習模型：玻爾茲曼 機和深度信念網絡。第 13 章介紹最近兩年發展十分迅速的深度生成模型：變分自編碼器和對抗生成網絡。第 14 章介紹了深度強化學習的知識。第 15 章介紹了 應用十分廣泛的序列生成模型。
重要內容：
這本書目前已經更新完，共包含了 16 章內容，從機器學習概論開始，涵蓋多種基礎神經網絡模型的基礎知識。課程目錄如下：
-
緒論
-
機器學習概述
-
線性模型
-
前饋神經網絡
-
卷積神經網絡
-
循環神經網絡
-
網絡優化與正則化
-
注意力機制與外部記憶
-
無監督學習
-
模型獨立的學習方式
-
概率圖模型
-
深度信念網絡
-
深度生成模型
-
深度強化學習
-
序列生成模型
-
數學基礎
-
附錄 A：線性代數
-
附錄 B：微積分
-
附錄 C：數學優化
-
附錄 D：概率論
-
附錄 E：信息熵
資料獲取：
-
關注我們的公衆號: 深度學習技術前沿
-
後臺回覆：邱錫鵬深度學習 即可以獲取資料哈~
