資料 | 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)（邱錫鵬）

近年來，以機(jī)器學(xué)習(xí)、知識(shí)圖譜為代表的人工智能技術(shù)逐漸變得普及。從車牌識(shí)別、人臉識(shí)別、語音識(shí)別、智能助手、推薦系統(tǒng)到自動(dòng)駕駛，人們?cè)谌粘Ｉ钪卸伎赡苡幸鉄o意地用到了人工智能技術(shù)。這些技術(shù)的背后都離不開人工智能領(lǐng)域研究者的長(zhǎng)期努力。特別是最近這幾年，得益于數(shù)據(jù)的增多、計(jì)算能力的增強(qiáng)、學(xué)習(xí)算法的成熟以及應(yīng)用場(chǎng)景的豐富，越來越多的人開始關(guān)注這個(gè)“嶄新”的研究領(lǐng)域：深度學(xué)習(xí)。                          

深度學(xué)習(xí)以神經(jīng)網(wǎng)絡(luò)為主要模型，一開始用來解決機(jī)器學(xué)習(xí)中的表示學(xué)習(xí)問題。但是由于其強(qiáng)大的能力，深度學(xué)習(xí)越來越多地用來解決一些通用人工智能問題，比如推理、決策等。目前，深度學(xué)習(xí)技術(shù)在學(xué)術(shù)界和工業(yè)界取得了廣泛的成功，受到高度重視，并掀起新一輪的人工智能熱潮。 

主要特點(diǎn)：  

系統(tǒng)性：系統(tǒng)地整理了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的知識(shí)體系。鑒于深度學(xué)習(xí)涉及的知識(shí)點(diǎn)較多，本書從機(jī)器學(xué)習(xí)的基本概念、神經(jīng)網(wǎng)絡(luò)模型以及概率圖模型三個(gè)層面來串聯(lián)深度學(xué)習(xí)所涉及的知識(shí)點(diǎn)，使讀者對(duì)深度學(xué)習(xí)技術(shù)的理解更具系統(tǒng)性、條理性和全面性。  

可讀性：本書在編排上由淺入深，在語言表達(dá)上力求通俗易懂，并通過增加圖例、示例以及必要的數(shù)學(xué)推導(dǎo)來理解抽象的概念。同時(shí)，附錄簡(jiǎn)要介紹了本書所涉及的必要數(shù)學(xué)知識(shí)，便于讀者查用。  

實(shí)踐性：本書在網(wǎng)站上配套了針對(duì)每章知識(shí)點(diǎn)的編程練習(xí)，使得讀者在學(xué)習(xí)過程中可以將理論和實(shí)踐密切結(jié)合，加深對(duì)知識(shí)點(diǎn)的理解，并具備分析問題和解決問題的能力。