臥槽！一大波深度學(xué)習(xí)“寶藏書”來啦！免費下載...
【導(dǎo)讀】今天給大家推薦一下機器學(xué)習(xí)、深度學(xué)習(xí)算法實戰(zhàn)和應(yīng)用必備的4本“寶藏”書。具體書籍展示如下：（文末提供下載方式?。?/strong>
1. Deep Learning?With?PyTorch（PyTorch官方指定教程）
《Deep Learning with PyTorch》，上面共有五個章節(jié)，包括了深度學(xué)習(xí)與PyTorch庫、張量、如何用張量表示真實世界的數(shù)據(jù)、學(xué)習(xí)機制、用神經(jīng)網(wǎng)絡(luò)擬合數(shù)據(jù)等方面的內(nèi)容，核心是指導(dǎo)讀者使用Python 和 PyTorch 實現(xiàn)深度學(xué)習(xí)算法。
1. 掃碼關(guān)注公眾號：視學(xué)算法
2. 在 消息對話框 回復(fù)：DL4件套?即可以獲取上面全部資料哈~
更多資源，請關(guān)注我喲！
2. Natural?Language?Processing with?PyTorch
作者Delip Rao和Goku Mohandas為您提供了PyTorch的堅實基礎(chǔ)，以及深度學(xué)習(xí)算法，用于構(gòu)建涉及文本語義表示的應(yīng)用程序。每章包括幾個代碼示例和插圖
- 獲得對NLP，深度學(xué)習(xí)和PyTorch介紹
- 了解傳統(tǒng)的NLP方法，包括NLTK，SpaCy和gensim
- 探索嵌入：語言中單詞的高質(zhì)量表示
- 使用遞歸神經(jīng)網(wǎng)絡(luò)（RNN）學(xué)習(xí)語言序列中的表示
- 通過復(fù)雜的神經(jīng)架構(gòu)改進RNN結(jié)果，例如長期短期記憶（LSTM）和門控遞歸單位
- 探索讀取一個序列并產(chǎn)生另一個序列的序列到序列模型（用于翻譯）
3. Deep Learning with?Python
本書自出版以來收到眾多好評，因為是 Keras 作者寫的書，所以全書基本圍繞著 Keras 講深度學(xué)習(xí)的各種實現(xiàn)，從 CNN，RNN 到 GAN 等，偏入門，但也承載著很多作者對深度學(xué)習(xí)整體性的思考。這是一本偏實戰(zhàn)的書，教你使用 Keras 快速實現(xiàn)深度學(xué)習(xí)經(jīng)典項目?？赐赀@本書，基本能對 Keras 和深度學(xué)習(xí)實戰(zhàn)有比較初步的掌握了。
4. 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)（“蒲公英書”）
該書主要特點：
系統(tǒng)性：系統(tǒng)地整理了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的知識體系。鑒于深度學(xué)習(xí)涉及的知識點較多，本書從機器學(xué)習(xí)的基本概念、神經(jīng)網(wǎng)絡(luò)模型以及概率圖模型三個層面來串聯(lián)深度學(xué)習(xí)所涉及的知識點，使讀者對深度學(xué)習(xí)技術(shù)的理解更具系統(tǒng)性、條理性和全面性。
可讀性：本書在編排上由淺入深，在語言表達上力求通俗易懂，并通過增加圖例、示例以及必要的數(shù)學(xué)推導(dǎo)來理解抽象的概念。同時，附錄簡要介紹了本書所涉及的必要數(shù)學(xué)知識，便于讀者查用。
實踐性：本書在網(wǎng)站上配套了針對每章知識點的編程練習(xí)，使得讀者在學(xué)習(xí)過程中可以將理論和實踐密切結(jié)合，加深對知識點的理解，并具備分析問題和解決問題的能力。
1. 掃碼關(guān)注公眾號：視學(xué)算法
2. 在 消息對話框 回復(fù)：DL4件套?即可以獲取上面全部資料哈~
更多資源，請關(guān)注我喲！