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

内容

  1. 绪论
  2. 数学基础
  3. 机器学习概述
  4. 感知器
  5. 前馈神经网络
  6. 卷积神经网络
  7. 循环神经网络
  8. 注意力机制与外部记忆
  9. 无监督学习
  10. 概率图模型
  11. 深度生成模型
  12. 词嵌入与语言模型

实现

Theano

https://github.com/nndl/nndl.github.io/tree/master/theano

Tensorflow

https://github.com/nndl/nndl.github.io/tree/master/tensorflow

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。