神经网络与深度学习

作者:邱锡鹏 微博:@邱锡鹏

关于本书

神经网络与深度学习技术目前在学术界和工业界取得了广泛的成功,并逐渐受到了高度重视。本课程主要介绍神经网络与深度学习中的基础知识、主要模型(卷积神经网络、递归神经网络等)以及在计算机视觉、自然语言处理等领域的应用。

要获取更新提醒,请关注https://github.com/nndl/nndl.github.io

本书的示例代码,见https://github.com/nndl/nndl-codes

内容

  1. 绪论
  2. 机器学习概述
  3. 线性模型
  4. 前馈神经网络
  5. 卷积神经网络
  6. 循环神经网络
  7. 网络正则化与优化
  8. 注意力机制与外部记忆
  9. 应用
  10. 无监督学习
  11. 概率图模型
  12. 深度生成模型
  13. 词嵌入与语言模型
  14. 深度强化学习
  15. 数学基础

反馈意见

如果您有任何意见、评论以及建议,请通过GitHub的Issues页面进行反馈。你的名字将会出现的本书的致谢列表。

致谢列表:感谢李浩、胡可鑫等同学指出书中的错误。

反馈意见包括但不限于:

非常感谢!

请在微博关注关于本书的最新信息。

推荐课程

Stat212b:Topics Course on Deep Learning

http://joanbruna.github.io/stat212b/

加州大学伯克利分校统计系Joan Bruna(Yann LeCun博士后) 以统计的角度讲解DL。

CS224d: Deep Learning for Natural Language Processing

http://cs224d.stanford.edu/

斯坦福大学 Richard Socher 主要讲解自然语言处理领域的各种深度学习模型

CS231n:Convolutional Neural Networks for Visual Recognition

http://cs231n.stanford.edu/

斯坦福大学 Fei-Fei Li Andrej Karpathy 主要讲解CNN、RNN在图像领域的应用

深度学习讨论班

2016年秋季

致谢

本页面由Typora编辑。