深入浅出深度学习

《深入浅出深度学习》对深度学习进行了深入浅出的介绍,语言简明扼要、通俗易懂。介绍了各个时期最著名的联结主义模型，同时以简单、直观的形式展示了各种最流行的算法和体系结构，详细解释了数学求导过程。本书的内容涵盖卷积网络、LSTM、

word2vec、RBM、DBN、神经图灵机、记忆网络以及自动编码器。此外，本书还提供了大量可以

实际运行的Python代码示例。

主要内容

介绍机器学习的基础知识以及深度学习的数学和计算先决条件

讨论前馈神经网络,并探索可以应用于任何神经网络的修改

探讨卷积神经网络,以及前馈神经网络的循环连接

描述分布式表示的概念、自动编码器的概念，以及使用深度学习进行语言处理背后的思想

简单介绍人工智能和神经网络的发展历史,提出深度学习和联结主义的各种有趣的开放性研究问题

Sandro Skansi博士是克罗地亚萨格勒布大学的逻辑学助理教授,同时还是克罗地亚萨格勒布代数学院的数据科学讲师。他拥有GitHub北极代码库贡献者勋章(ArcticCode Vault Contributor)。