描述
由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写的《深度学习》教科书，是希望进入机器学习和深度学习领域的个人的基础性资源。该书的完整在线版本可免费访问，确保了学生和从业者都能广泛获取。对于偏爱实体书的读者，可以在亚马逊上订购。
该教科书分为三个部分，首先介绍基础应用数学和机器学习基础，包括线性代数、概率论、信息论、数值计算以及核心机器学习概念。第二部分深入探讨现代实用深度网络，涵盖前馈网络、正则化、优化、卷积网络、序列建模、实用方法和应用。
第三部分将重点转移到深度学习研究，探讨线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡洛方法、近似推理和深度生成模型等主题。这种全面的覆盖旨在为读者提供快速发展的深度学习领域的理论知识和实践见解。
作者提供了引用本书的资源，包括 bibtex 条目和 LaTeX 模板文件。他们还维护了一个常见问题解答部分，以解决常见查询，例如 PDF 可用性（由于出版商协议而受限）以及网络版本采用 HTML 格式的理由。欢迎通过电子邮件 feedback@deeplearningbook.org 提出改进建议和错别字更正，但由于本书已完成并已出版，预计不会有重大更改。
目标读者包括攻读计算机科学、人工智能或相关领域学位的学生，以及希望加深对深度学习技术理解的研究人员和行业专业人士。本书详细的解释和广泛的范围使其成为任何从事机器学习开发和应用的人的宝贵参考。
图书信息
全面涵盖深度学习理论与实践
包含基础数学和机器学习基础
详细介绍现代深度网络和研究课题
在线版本免费提供
实体书可在亚马逊购买
由顶尖研究人员撰写：Ian Goodfellow、Yoshua Bengio 和 Aaron Courville
提供用于引用的 bibtex 条目
提供 LaTeX 模板文件
包含常见问题解答部分
记录了勘误和已知问题
提供用于反馈和建议的电子邮件地址
适合的读者
- 学术研究
- 职业发展
- 研究参考
- 自主学习
- 实际应用
