1.做中学，从代码来理解深度学习的数学 从本质上讲，这是一本数学书。但是，本书将使用代码来说明概念，而不是证明和练习。深度学习是一门应用学科，作者认为做中学，你才能理解它。因此，本书将使用代码来弥合纯数学知识和动手实践之间的差距。 2.循序渐，从基础到阶，从门到精通 本书各章内容相辅相成，基础章节后面紧跟阶的数学主题，最后讲解深度学习算法，涉及前面章节中涵盖的所有内容。一般而言，读者可以从前向后通读本书，对于熟悉的主题，则可以跳过。
售 价：¥
纸质售价：¥85.30购买纸书
6.4
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
推荐序
译者序
前 言
本书面向谁
关于本书
资源与支持
配套资源
提交勘误
扫码关注本书
与我们联系
关于异步社区和异步图书
第1章 搭建舞台
1.1 组件安装
1.2 NumPy
1.3 SciPy
1.4 matplotlib
1.5 scikit-learn
1.6 小结
第2章 概率论
2.1 基础概念
2.2 概率法则
2.3 联合概率和边缘概率
2.4 小结
第3章 概率论进阶
3.1 概率分布
3.2 贝叶斯定理
3.3 小结
第4章 统计学
4.1 数据类型
4.2 描述性统计量
4.3 分位数和箱形图
4.4 缺失数据
4.5 相关性
4.6 假设检验
4.7 小结
第5章 线性代数
5.1 标量、向量、矩阵和张量
5.2 用张量进行代数运算
5.3 小结
第6章 线性代数进阶
6.1 方阵
6.2 特征向量和特征值
6.3 向量范数和距离度量
6.4 主成分分析
6.5 奇异值分解和伪逆
6.6 小结
第7章 微分
7.1 斜率
7.2 导数
7.3 函数的极小值和极大值
7.4 偏导数
7.5 梯度
7.6 小结
第8章 矩阵微分
8.1 一些公式
8.2 一些性质
8.3 雅可比矩阵和黑塞矩阵
8.4 矩阵微分的一些实例
8.5 小结
第9章 神经网络中的数据流
9.1 数据的表示
9.2 传统神经网络中的数据流
9.3 卷积神经网络中的数据流
9.4 小结
第10章 反向传播
10.1 什么是反向传播
10.2 手把手进行反向传播
10.3 全连接网络的反向传播
10.4 计算图
10.5 小结
第11章 梯度下降
11.1 基本原理
11.2 随机梯度下降
11.3 动量机制
11.4 自适应梯度下降
11.5 小结
附录 学无止境
概率论与统计学
线性代数
微积分
深度学习
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
