深度学习原来还可以这么学！

最近身边很多朋友在讨论人工智能，讨论人工智能在我们生活中的应用，随之而来就开始讨论深度学习技术，但是由于深度学习的涉及面比较广，对数学的要求比较高，所以想学也不太敢学，生怕认真学了却没学会。其实可能还是自己没找对资料学习。

小编专门去调研了一下深度学习的资料，关于深度学习，网上的资料很多，不过貌似大部分都不太适合初学者。 

这里有几个原因：

• 深度学习确实需要一定的数学基础。 如果不用深入浅出地方法讲，有些读者就会有畏难的情绪，因而容易过早地放弃。

• 市面上的深度学习书籍普遍偏理论 。 理论内容的深度学习著作越来越多，读者期待有一本动手实践的书籍快速上手。

• 视频课程普遍英文版居多，书籍和视频搭配的深度学习著作很少。 深度学习领域的精品书籍普遍英文版居多，国人的精品著作少之又少，作者功底扎实同时能用中文讲解深度学习动手实践讲清楚的少之又少。

那么学习深度学习，初级者该怎么入手呢？很多初学者都希望有一本 既有书籍又有视频，当然还想要有一个比较好的学习氛围和大家一起学 ，那么小编今天就来给你推荐李沐大神的《动手学深度学习》，学习了李沐大神的书籍，这是大神新作， 也是非常适合新手学习的入门书籍 。

点击书籍封面查看详情

扫码查看详情

我为什么推荐这本书？

理由一  重“动手学”，真正意义的可实操，能运行

在《动手学深度学习》出版前，当时的情况是 Ian Goodfellow 的《深度学习》是当时最好的入门书，新而且全面。但它只做了一般的模型描述而没有如何实际使用它们以及效果怎么样。《动手学深度学习》是一本既能讲原理、又有实现和实际使用、不断更新、而且容易读的书。

在过去两年的摸索中，这本入门书在传统意义的书上往前走了几步：

• 书的每一章用 文字、数学、图示和代码 来多方面介绍一个知识点。它是一个 Jupyter 记事本，可以独立运行。包含20个左右的文字和代码块，可以15分钟左右读完。

• 源文件是 Markdown ，不保存执行输出， 并开源在 Github 上 。这样方便更多人贡献和改动审阅，同时可以很容易的不断加新章节。

• 任何改动都会触发持续集成服务重新执行记事本来获得执行输出，这样 保证代码的正确性 。一个记事本的执行时间控制在不超过十分钟。这对展示复杂模型的训练颇为挑战。

• 执行无误后直接用三种格式发布在网上：含有执行输出的 Jupyter 记事本，可以直接浏览的HTML，和适合打印的 PDF。

• 可以像LaTeX那样方便的索引图、表、公式和文献。

• 每一章都有可以讨论的链接 。

这本书代码的实现很多是基于 MXNet（一开始的目标是为 MXNet 写个好点文档），我们也考虑过要不要提供一个 Pytorch 或者 Keras 的版本。后来发现这个担心比较多余。框架就是一个工具，工具之间的那些不同带来的困难比起理解模型和调出结果来小很多。

课上发现就算是没有接触过这些 工具 的学生，用 MXNet 做作业，然后在基于不管用啥框架实现的现有算法再开发做项目并没有多大困难。或者说困难都不来自工具本身，特别是算法实现都在课上讲过一遍的情况下。

理由二： 亚马逊首席科学家李沐等大师作品，历时三年沉淀。

本书四位作者均是亚马逊科学家，对人工智能领域颇具口碑，李沐老师被众多粉丝喜爱更多的来源于他的口碑公开课，纯中文的授课方式得到了大家的普遍认可。

阿斯顿·张（Aston Zhang） 

亚马逊应用科学家，美国伊利诺伊大学香槟分校计算机科学博士，统计学和计算机科学双硕士。他专注于机器学习的研究，并在数个顶级学术会议发表过论文。他担任过 NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等学术会议的程序委员或审稿人以及 Frontiers in Big Data 期刊的编委。 

李沐（Mu Li） 

亚马逊首席科学家（Principal Scientist），加州大学伯克利分校客座助理教授，美国卡内基梅隆大学计算机系博士。他专注于分布式系统和机器学习算法的研究。他是深度学习框架 MXNet 的作者之一。他曾任机器学习创业公司 Marianas Labs 的 CTO 和百度深度学习研究院的主任研发架构师。他在理论、机器学习、应用和操作系统等多个领域的顶级学术会议（包括 FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上发表过论文。 

扎卡里·C. 立顿（Zachary C. Lipton） 

亚马逊应用科学家，美国卡内基梅隆大学助理教授，美国加州大学圣迭戈分校博士。他专注于机器学习算法及其社会影响的研究，特别是在时序数据与序列决策上的深度学习。

这类工作有着广泛的应用场景，包括医疗诊断、对话系统和产品推荐。他创立了博客 “Approximately Correct”（approximatelycorrect.com）。 

亚历山大·J. 斯莫拉（Alexander J. Smola） 

亚马逊副总裁/ 杰出科学家，德国柏林工业大学计算机科学博士。他曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教。他发表了超过 200 篇学术论文，并著有 5 本书，其论文及书被引用超过 10 万次。他的研究兴趣包括深度学习、贝叶斯非参数、核方法、统计建模和可扩展算法。 

理由三： 图书+视频一起学

在学习过程中，大家有一个普遍的共识，看书理论是一回事，写代码是一回事，调代码又是另一回事，每件事之间都有一个 gap，爬都爬不过去，跌跌撞撞很痛苦。《动手学深度学习》搭配有免费的公开课视频，把写代码和调代码也当作一回事，跟理论一起讲一起演示。跟着大牛一起学，相信会让你事半功倍。

《动手学深度学习》录像有两个场景，一个是主体是幻灯片，讲师在角落。另一个主体是黑板。

过去几年里《动手学深度学习》作者为了让学员更好的学习深度学习，尝试了各种 DIY 手段来通过便宜的器材来录制准专业的视频。下图是这次使用的器材。

通过多种器材的摸索，终于呈现了现在的视频学习模式！

理由四： 众多人工智能领域大咖鼎力推荐

本书得到了来自学术界和工业界的 韩家炜、Bernhard Schölkopf、周志华、张潼、余凯、漆远、沈强等众多实力大咖鼎立推荐。

:point_down:下滑看看他们怎么说：

本书结构

第一部分（第1章~第3章）涵盖预备工作和基础知识。第1章介绍深度学习的背景。第2章提供动手学深度学习所需要的预备知识，例如，如何获取并运行本书中的代码。第3章包括深度学习最基础的概念和技术，如多层感知机和模型正则化。如果读者时间有限，并且只想了解深度学习最基础的概念和技术，那么只需阅读第一部分。
第二部分（第4章~第6章）关注现代深度学习技术。第4章描述深度学习计算的各个重要组成部分，并为实现后续更复杂的模型打下基础。第5章解释近年来令深度学习在计算机视觉领域大获成功的卷积神经网络。第6章阐述近年来常用于处理序列数据的循环神经网络。阅读第二部分有助于掌握现代深度学习技术。
第三部分（第7章~第10章）讨论计算性能和应用。第7章评价各种用来训练深度学习模型的优化算法。第8章检验影响深度学习计算性能的几个重要因素。第9章和第10章分别列举深度学习在计算机视觉和自然语言处理中的重要应用。这部分内容读者可根据兴趣选择阅读。

图 0-1 描绘了本书的结构，其中由A章指向B章的箭头表明A章的知识有助于理解B章的内容。

图0-1本书的结构

本书代码

本书的一大特点是每一节的 代码都是可以运行的 。读者可以改动代码后重新运行，并通过运行结果进一步理解改动所带来的影响。

我们认为，这种交互式的学习体验对于学习深度学习非常重要。因为深度学习目前并没有很好的理论解释框架，很多论断只可意会。

文字解释在这时候可能比较苍白无力，而且不足以覆盖所有细节。读者需要不断改动代码、观察运行结果并总结经验，从而逐步领悟和掌握深度学习。

我们提供代码的主要目的在于增加一个在文字、图像和公式外的学习深度学习算法的方式，以及一个便于理解各个算法在真实数据上的实际效果的交互式环境。

书中只使用了 MXNet 的 ndarray、autograd、gluon 等模块或包的基础功能，从而使读者尽可能了解深度学习算法的实现细节。即便读者在研究和工作中使用的是其他深度学习框架，书中的代码也有助于读者更好地理解和应用深度学习算法。

讨论区

进入本书内论坛，上面提供了学习社区地址和 GitHub 开源地址。如果读者对书中某节内容有疑惑，可扫一扫该节开始的二维码参与该节内容的讨论。

值得一提的是，在有关 Kaggle 比赛章节的讨论区中，众多社区成员提供了丰富的高水平方法，我们强烈推荐给大家。希望诸位积极参与学习社区中的讨论，并相信大家一定会有所收获。 本书作者和 MXNet 开发人员也时常参与社区中的讨论。

• 亚马逊科学家李沐等重磅作品；

• 交互式实战环境下动手学深度学习的全新模式，原理与实战完美结合

• 韩家炜/Bernhard Schölkopf/周志华/张潼/余凯/漆远/沈强 联袂推荐

• 加州大学伯克利等全球15 所知名大学用于教学；

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。

与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter 记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。

那这本大神新作

是否很贵呢？

在CSDN当然是不贵的

现在购买可享受8.5折优惠价

扫描下方二维码即可购买！

注： 凡是购买码书商店书籍的用户即可免费试用aiXcoder编程助手会员一个月哦，可加下方微信号联系哈~