深度学习的数学

《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的*化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel行理论验证，帮助读者直观地体验深度学习的原理。
【推荐语】
一本书掌握深度学习的数学基础知识！ 结合235幅插图和大量示例 基于Excel实践，直神经网络根本原理 1.图文直观 穿插235幅插图和大量具体示例讲解，对易错、重反复说明，通俗易懂。 2.结合Excel实践 书中使用Excel行理论验证，读者可下载随书附带的Excel示例文件，亲自动手操作，直观地体验深度学习。 3.只需基础的数学知识 适合数学基础薄弱的深度学习初学者阅读，有一定基础的读者也可以通过本书加深理解。
【作者】
涌井良幸（作者）  1950年生于东京，毕业于东京教育大学（现筑波大学）数学系，现为自由职业者。著有《用Excel学深度学习》（合著）、《统计学有什么用？》等。  涌井贞美（作者）  1952年生于东京，完成东京大学理学系研究科硕士课程，现为自由职业者。著有《用Excel学深度学习》（合著）、《图解贝叶斯统计门》等。  杨瑞龙（译者）  1982年生，2008年北京大学数学科学学院硕士毕业，软件发者，从事软件行业10年。2013年～2016年赴日工作3年，从2016年始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。