Yoshua Bengio新书《Deep Learning》中文版

制造救国

转帖

Yoshua Bengio 新书《Deep Learning》中文版发布。该书由北京大学张志华老师团队负责翻译。本书 于学习研究目的，不得用于任何商业行为。

Yoshua Bengio新书《Deep Learning》中文版

这本书对各类读者都一定用处的，但是有两个主要目标受众。其一是学习机器学习的大学生（本科或研究生），包括那些开始了职业生涯的深度学习和人工智能的研究者。另一个目标群体是没有机器学习或统计背景但要迅速在他们的产品或平台开始使用深度学习的软件工程师。

——前言

本书被组织为三个部分：

第一部分介绍了基本的数学工具和机器学习的概念。

第二部分介绍了本质上已解决的技术、最成熟的深度学习算法。

第三部分介绍了被广泛认为是深度学习未来研究重点的但更具猜测性的想法。

译者声明：

Deep Learning 中文翻译

经过 3 个多月，我们终于完成了翻译草稿。当然这是草稿中的草稿，我们会不断改进，就像梯度下降一样，要迭代好几轮才能找的一个不错的解。

目前的版本是直译版，尽可能地保留原书中的每一个字。如

Inventors have long dreamed of creating machines that think. This desire dates back to at least the time of ancient Greece. 自古以来, 创造者就梦想着创造能思考的机器。这个愿望至少可以追溯到古希腊的时期。

之后我们可能会翻译成：

远在古希腊的时期, 创造者就梦想着创造能思考的机器。

语句流畅度的提高必然伴随精度下降（我们水平有限）。因此我们需要 ensemble，需要大家的建议。

面向的读者
这一版读起来肯定费劲，我们建议英文好的或者研究者直接读原版。这一版面向的读者是英语不好，急于想入门深度学习的同学。或者希望帮忙校对的各路大哥也可以读读，只要不嫌弃。
注意
各种问题或者建议可以提 issue，建议使用中文。由于版权问题，我们不能将图片和 bib 上传，请见谅。可用于学习研究目的，不得用于任何商业行为。谢谢！


本书目录：

第一章、前言

第二章、线性代数

第三章、概率与信息

第四章 、数值计算

第五章、机器学习基础

第六章、深度前馈网络

第七章、深度学习的正则化

第八章、深度模型中的优化

第九章、卷积神经网络

第十章、序列建模：循环和递归网络

第十一章、实用方法

第十二章、应用

第十三章、linear factor

第十四章、自动编码

第十五章、表征学习

第十六章、结构概率模型

第十七章、monte carlo 方法

第十八章、面对区分函数

第十九章、近似推断


下载链接：https://github.com/exacity/deeplearningbook-chinese/raw/master/dlbook_cn_initial.pdf

silverforg

404了，记得年前还有部分翻译稿的说