今年是DeepLearning诞生十周年,这项技术已相对成熟。这个月,有两本史诗级教科书出炉,这十年的成果做了教科书式的总结,上周MIT的deeplearning教科书定稿,由Ian Goodfellow、Yoshua Bengio、Aaron Courvilla主编,几乎所有深度学习大牛参与其中。初学者学习Deep Learning四处搜集资料和Paper,四处修补知识体系的过程行将成为历史,博主将长期更新博客,对这本书的要点进行阐述。
目录
- 1 介绍
一:数学与机器学习基础
- 2 线性代数
- 3 概率论与信息论
- 4 数值计算
- 5 机器学习基础
二:深度网络的现代实践
- 6 深度前馈网络
- 7 深度学习中的正则化
- 8 训练深度模型的优化
- 9 卷积网络
- 10 序列建模下的递归网络
- 11 实用的方法
- 12 应用
三:深度学习研究
- 13 线性模型
- 14 自编码器
- 15 学习表示
- 16 结构化的深度学习概率模型
- 17 蒙特卡罗方法
- 18 分区函数问题
- 19 近似推论
- 20 优秀的深度模型