返回信息流根据自己这几年来工作的经验写了本深度学习的书，面向对象主要还是这个领域的入门读者，自己这几年做的一些工作的实际工程经验也以范例的形式放在书里了，有幸得到原百度研究院副院长余凯的认可并为本书撰写了推荐序言，前几天还受到了今日头条每日一书的推荐（https://www.toutiao.com/a6508885540379558407/），现在发在这里，也希望能得到版上各位的指教。
从内容方面，书共分为六个章节：
第一章：通俗的讲解深度学习的常用概念及概念之间的关系，如回归、分类、聚类；监督学习、非监督学习、强化学习；感知机、神经网络等。随后介绍了深度学习的发展历程及前辈学者们对深度学习领域所做出的贡献。最后列出了深度学习及相关领域的著名国际会议、期刊、赛事和学术团队，以方便读者获取学习资料和进行学术研究。
第二章：介绍了深度学习的原理、线性回归、逻辑回归的概念。以生物学家Galton所研究的父子身高问题为例介绍了线性回归的基本原理，讲述了线性回归的两种求解方法：梯度下降法和正规方程法，并用R、MATLAB和Python三种工具求解了父子身高问题。随后以学生考试问题为例介绍了逻辑回归的基本原理，给出了逻辑回归问题求解的过程，并用R、MATLAB和Python三种工具解决了学生考试问题，并赋源码及解释。
第三章：介绍了感知机和人工神经网络的工作流程。阐述了神经网络的基本单元Rosenblatt感知机的工作原理和训练方法，并以一个二维空间中线性可分的点集为例验证了感知机的训练方法。随后简要介绍了人工神经网络的由来、网络架构和训练方法。最后用Pybrain实现了一个三层神经网络，借助实例初步展现了人工神经网络的神奇功能。
第四章：详细介绍了Caffe的基本架构和使用方法。阐述了Caffe架构中Blob、Layer、Net和Solver等几个基本类的作用，并以一个车型识别为例使用Caffe完成项目开发。最后介绍了目标检测的基本原理和几个当前最流行的算法：Faster R-CNN、YOLO和SSD等，并用开源的Caffe实例验证了Faster R-CNN和SSD算法的性能。
第五章：介绍了TensorFlow的工作原理和使用方法。阐述了TensorFlow架构中图、张量、运算和会话等概念和用法，使用TensorFlow实现父子身高问题的线性回归实例。
第六章： 阐述了AlphaGo、强化学习、策略网络、强化学习策略网络和估值网络工作原理。以一个九宫棋为例讲述了强化学习的基本算法：Q学习算法。随后介绍了AlphaGo的架构，其赖以常胜不败的监督学习策略网络、强化学习策略网络和估值网络等组件的工作原理。最后介绍了深度学习的一个有趣应用：画风迁移，以飨读者。
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #27803同步于 2018/1/11
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
写了一本关于深度学习的书
SweSty
2018/1/11镜像同步101 回复
订阅后，新回复会通过你的通知中心匿名送达。