神經(jīng)網(wǎng)絡(luò)≠玄學(xué)，終于有人來講數(shù)學(xué)原理了（文末送書）
國內(nèi)的深度學(xué)習(xí)從業(yè)者有福啦！深度學(xué)習(xí)領(lǐng)域的現(xiàn)象級數(shù)學(xué)基礎(chǔ)書《深度學(xué)習(xí)的數(shù)學(xué)——使用Python語言》終于被翻譯成中文版啦！這本美亞評分高達(dá)4.6的經(jīng)典好書一經(jīng)推出便廣受好評，北京郵電大學(xué)陳光老師還在微博上安利了本書。
“對于任何希望在深度學(xué)習(xí)算法基礎(chǔ)數(shù)學(xué)方面打下堅實基礎(chǔ)的人來說，這是一個很好的資源。這本書通俗易懂，組織良好，并提供了關(guān)鍵數(shù)學(xué)概念的清晰解釋和實際示例。我強烈推薦給任何對這個領(lǐng)域感興趣的人?！?/span>
——Daniel Gutierrez，insideBIGDATA
“Ronald T. Kneusel 寫了一本方便而緊湊的深度學(xué)習(xí)數(shù)學(xué)指南。對于神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)的學(xué)生、科學(xué)家和從業(yè)者來說，它將成為方程式和算法的老套參考。這本書包含方程式、數(shù)字，甚至還有 Python 中的示例代碼，對讀者來說是一個精彩的數(shù)學(xué)介紹。”
——David S. Mazel，Regulus-Group高級工程師
“深度學(xué)習(xí)數(shù)學(xué)之所以脫穎而出，是因為它專注于為深度學(xué)習(xí)提供足夠的數(shù)學(xué)基礎(chǔ)，而不是試圖涵蓋所有深度學(xué)習(xí)，并在此過程中引入所需的數(shù)學(xué)。那些渴望掌握深度學(xué)習(xí)的人肯定會從這種先基礎(chǔ)后內(nèi)部的方法中受益?！?/span>
—Ed Scott，博士，解決方案架構(gòu)師和 IT 愛好者
確實，深度學(xué)習(xí)是一門以應(yīng)用為導(dǎo)向的學(xué)科，然而很多學(xué)習(xí)者因為沒搞清楚深度學(xué)習(xí)的數(shù)學(xué)原理，導(dǎo)致在解決實際深度學(xué)習(xí)問題時無法游刃有余。畢竟，實際任務(wù)可能非常復(fù)雜，數(shù)據(jù)分布也多種多樣，模型訓(xùn)練過程又充滿不確定性，目標(biāo)函數(shù)也需要靈活調(diào)整。這些因素加在一起，很可能把實際項目搞得一塌糊涂。
01
? 梯度下降算法。作者介紹了SGD、Adam等深度學(xué)習(xí)中解決無約束優(yōu)化問題的經(jīng)典核心算法。深刻理解這些算法能幫助讀者在實戰(zhàn)中快速定位問題，讓網(wǎng)絡(luò)得以正常訓(xùn)練。
“支撐深度學(xué)習(xí)的數(shù)學(xué)往往看起來令人生畏。最近，我有幸閱讀了 Ronald T. Kneusel 的《深度學(xué)習(xí)的數(shù)學(xué)》，該書深入探討了深度學(xué)習(xí)的數(shù)學(xué)復(fù)雜性，并通過示例、Python代碼和視覺效果使其易于理解。本文從《深度學(xué)習(xí)數(shù)學(xué)》第 11 章中汲取靈感，該章對梯度下降進(jìn)行了全面的解釋。為了更深入地了解，我強烈建議您閱讀整本書。對于任何對深度學(xué)習(xí)數(shù)學(xué)感興趣的人來說，它都是寶貴的資源?！?/span>
參考文獻(xiàn)：
1深度學(xué)習(xí)書籍 | Ronald T. Kneusel 的個人網(wǎng)站；
2.rkneusel9/深度學(xué)習(xí)的數(shù)學(xué)：書籍《深度學(xué)習(xí)的數(shù)學(xué)》的源代碼
3.亞馬遜網(wǎng)站：《深度學(xué)習(xí)數(shù)學(xué)》電子書：Kneusel, Ronald T. - Kindle商店
4.【新書：深度學(xué)習(xí)的數(shù)學(xué)... - @愛可可-愛生活的微博 - 微博】
5.這是一個關(guān)于機器學(xué)習(xí)中梯度下降法的簡單指南——TechTalks網(wǎng)站
end
我們將從關(guān)注我們的精選留言中隨機抽取 5名 小伙伴贈書，中獎?wù)呖色@得實體書籍一本，我們包郵贈送。
內(nèi)容與本文核心信息相關(guān)
每天 17：21 不見不散！