動手學深度學習

本書旨在向讀者交付有關(guān)深度學習的交互式學習體驗。書中不僅闡述深度學習的算法原理，還演示它們的實現(xiàn)和運行。與傳統(tǒng)圖書不同，本書的每一節(jié)都是一個可以下載并運行的 Jupyter記事本，它將文字、公式、圖像、代碼和運行結(jié)果結(jié)合在了一起。此外，讀者還可以訪問并參與書中內(nèi)容的討論。

全書的內(nèi)容分為3個部分：第一部分介紹深度學習的背景，提供預備知識，并包括深度學習最基礎(chǔ)的概念和技術(shù)；第二部分描述深度學習計算的重要組成部分，還解釋近年來令深度學習在多個領(lǐng)域大獲成功的卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡；第三部分評價優(yōu)化算法，檢驗影響深度學習計算性能的重要因素，并分別列舉深度學習在計算機視覺和自然語言處理中的重要應用。

本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術(shù)人員和研究人員。閱讀本書需要讀者了解基本的Python編程或附錄中描述的線性代數(shù)、微分和概率基礎(chǔ)。

阿斯頓·張（Aston Zhang）

亞馬遜應用科學家，美國伊利諾伊大學香檳分校計算機科學博士，統(tǒng)計學和計算機科學雙碩士。他專注于機器學習的研究，并在數(shù)個頂級學術(shù)會議發(fā)表過論文。他擔任過NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等學術(shù)會議的程序委員或?qū)徃迦艘约癋rontiers in Big Data 期刊的編委。

李沐（Mu Li）

亞馬遜首席科學家（Principal Scientist），加州大學伯克利分校客座助理教授，美國卡內(nèi)基梅隆大學計算機系博士。他專注于分布式系統(tǒng)和機器學習算法的研究。他是深度學習框架MXNet 的作者之一。他曾任機器學習創(chuàng)業(yè)公司Marianas Labs 的CTO 和百度深度學習研究院的主任研發(fā)架構(gòu)師。他在理論、機器學習、應用和操作系統(tǒng)等多個領(lǐng)域的頂級學術(shù)會議（包括FOCS、ICML、Ne...

阿斯頓·張（Aston Zhang）

亞馬遜應用科學家，美國伊利諾伊大學香檳分校計算機科學博士，統(tǒng)計學和計算機科學雙碩士。他專注于機器學習的研究，并在數(shù)個頂級學術(shù)會議發(fā)表過論文。他擔任過NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等學術(shù)會議的程序委員或?qū)徃迦艘约癋rontiers in Big Data 期刊的編委。

李沐（Mu Li）

亞馬遜首席科學家（Principal Scientist），加州大學伯克利分校客座助理教授，美國卡內(nèi)基梅隆大學計算機系博士。他專注于分布式系統(tǒng)和機器學習算法的研究。他是深度學習框架MXNet 的作者之一。他曾任機器學習創(chuàng)業(yè)公司Marianas Labs 的CTO 和百度深度學習研究院的主任研發(fā)架構(gòu)師。他在理論、機器學習、應用和操作系統(tǒng)等多個領(lǐng)域的頂級學術(shù)會議（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上發(fā)表過論文。

扎卡里·C. 立頓（Zachary C. Lipton）

亞馬遜應用科學家，美國卡內(nèi)基梅隆大學助理教授，美國加州大學圣迭戈分校博士。他專注于機器學習算法及其社會影響的研究，特別是在時序數(shù)據(jù)與序列決策上的深度學習。這類工作有著廣泛的應用場景，包括醫(yī)療診斷、對話系統(tǒng)和產(chǎn)品推薦。他創(chuàng)立了博客“Approximately Correct”（approximatelycorrect.com）。

亞歷山大·J. 斯莫拉（Alexander J. Smola）

亞馬遜副總裁/ 杰出科學家，德國柏林工業(yè)大學計算機科學博士。他曾在澳大利亞國立大學、美國加州大學伯克利分校和卡內(nèi)基梅隆大學任教。他發(fā)表了超過200 篇學術(shù)論文，并著有5 本書，其論文及書被引用超過10 萬次。他的研究興趣包括深度學習、貝葉斯非參數(shù)、核方法、統(tǒng)計建模和可擴展算法。