动手学深度学习（PyTorch版）

这本书最打动人的地方，是它把'看懂原理'和'写出代码'从两件事变成了一件事。翻开它，你会看到文字、公式、运行中的代码和图像被缝进同一个Jupyter笔记本里——不再是读完一堆抽象定义就让你自己对着空文件发呆。读者反复提到的，是'每行代码都亲手敲过一遍'那种踏实感：它不替你思考，但确实手把手带你把神经网络搭起来。然而争议也正源于此：有人直呼'得把动手改成高手'，有人卡在第四章'太痛'，也有人抱怨翻译让术语乱飙。它适合愿意啃代码、配合视频课自学的人，却未必是'零基础速成'的捷径。如果你想理解'为什么这样建模'而非仅仅'照抄结果'，它会给你醍醐灌顶的时刻；如果你期待轻松入门，它可能让你怀疑自己。

阿斯顿.张（Aston Zhang），亚马逊资深科学家，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。他专注于机器学习和自然语言处理的研究，荣获深度学习国际顶级学术会议ICLR杰出论文奖、ACM UbiComp杰出论文奖以及ACM SenSys最佳论文奖提名。他担任过EMNLP领域主席和AAAI资深程序委员。 扎卡里.C. 立顿（Zachary C. Lipton），美国卡内基梅隆大学机器学习和运筹学助理教授，并在海因茨公共政策学院以及软件和社会系统系担任礼节性任命。他领导着近似正确机器智能（ACMI）实验室，研究涉及核心机器学习方法、其社会影响以及包括临床医学和自然语言处理在内的各种应用领域。他目前的研究重点包括处理各种因果结构下分布变化的稳健和自适应算法、超越预测为决策提供信息（包括应对已部署模型的战略响应）、医学诊断和预后预测、算法公平性和可解释性的基础。他是“Approximately Correct”博客的创始人，也是讽刺性漫画“Superheroes of Deep Learning”的合著者。 李沐（Mu Li），亚马逊资深首席科学家（Senior Principal Scientist），美国加利福尼亚大学伯克利分校、斯坦福大学客座助理教授，美国卡内基梅隆大学计算机系博士。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。他专注于机器学习系统和机器学习算法的研究。他在理论与应用、机器学习与操作系统等多个领域的顶级学术会议上发表过论文，被引用上万次。 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、美国加利福尼亚大学伯克利分校和卡内基梅隆大学任教。他发表过超过300篇学术论文，并著有5本书，其论文及书被引用超过15万次。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。