机器学习AI算法工程 公众号： datayx
AI图谱，一个全新的机器学习技术分享社区
原创作者在AI图谱平台上每成功发布一篇文章，通过审核后可奖励人民币30-50元不等，欢迎参与！
《深度学习入门:基于Python的理论与实现》
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等疑难的问题。
赠送：
机器学习与数学基础 视频课程
目录
前言
第1章 Python入门
1.1 Python是什么
1.2 Python的安装
1.3 Python解释器
1.4 Python脚本文件
1.5 NumPy
1.6 Matplotlib
1.7 小结
第2章 感知机
2.1 感知机是什么
2.2 简单逻辑电路
2.3 感知机的实现
2.4 感知机的局限性
2.5 多层感知机
2.6 从与非门到计算机
2.7 小结
第3章 神经网络
3.1 从感知机到神经网络
3.2 激活函数
3.3 多维数组的运算
3.4 3层神经网络的实现
3.5 输出层的设计
3.6 手写数字识别
3.7 小结
第4章 神经网络的学习
4.1 从数据中学习
4.2 损失函数
4.3 数值微分
4.4 梯度
4.5 学习算法的实现
4.6 小结
第5章 误差反向传播法
5.1 计算图
5.2 链式法则
5.3 反向传播
5.4 简单层的实现
5.5 激活函数层的实现
5.6 Affine/Softmax层的实现
5.7 误差反向传播法的实现
5.8 小结
第6章 与学习相关的技巧
6.1 参数的更新
6.2 权重的初始值
6.3 Batch Normalization
6.4 正则化
6.5 超参数的验证
6.6 小结
第7章 卷积神经网络
7.1 整体结构
7.2 卷积层
7.3 池化层
7.4 卷积层和池化层的实现
7.5 CNN的实现
7.6 CNN的可视化
7.7 具有代表性的CNN
7.8 小结
第8章 深度学习
8.1 加深网络
8.2 深度学习的小历史
8.3 深度学习的高速化
8.4 深度学习的应用案例
8.5 深度学习的未来
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
