欧美精品乱码99久久蜜桃,欧美+国产+无码+麻豆,五月天av伊人av,久久久精品麻豆,7799天天综合网,精品,无码中文字幕视频在线观看,黄片成人在线,日韩一级一区

來源：專知
本文為書籍介紹，建議閱讀5分鐘
本文內容為使深度學習易于理解的基本數(shù)學知識。

https://nostarch.com/math-deep-learning

深度學習無處不在，這使得AI的強大驅動力成為更多STEM專業(yè)人士需要了解的東西。學習使用哪個庫命令是一回事，但要真正理解這一原則，您需要掌握使之正確的數(shù)學概念。本書將為您提供概率論、統(tǒng)計學、線性代數(shù)和微分學等主題的工作知識，這些是使深度學習易于理解的基本數(shù)學知識，也是成功練習深度學習的關鍵。

這四個子領域中的每一個都與Python代碼和實際操作的示例相關聯(lián)，這些示例彌合了純數(shù)學及其在深度學習中的應用之間的差距。章節(jié)建立在彼此的基礎上，基本的主題，如貝葉斯定理，然后是更高級的概念，如使用向量、矩陣和函數(shù)的導數(shù)訓練神經網絡。在探索和實現(xiàn)深度學習算法時，您將最終使用所有這些數(shù)學知識，包括反向傳播和梯度下降——這些基本算法使AI革命成為可能。

你將學習:

概率規(guī)則，概率分布，貝葉斯概率
使用統(tǒng)計數(shù)據來理解數(shù)據集和評估模型
如何操作向量和矩陣，并利用它們在神經網絡中移動數(shù)據
如何用線性代數(shù)實現(xiàn)主成分分析和奇異值分解
如何應用改進版本的梯度下降，如RMSprop, Adagrad和Adadelta
一旦你通過AI編程的鏡頭理解了本書中呈現(xiàn)的核心數(shù)學概念，你就會有基礎的知識來輕松跟隨和使用深度學習。

目錄內容：

Introduction
Chapter 1: Setting the Stage
Chapter 2: Probability
Chapter 3: More Probability
Chapter 4: Statistics
Chapter 5: Linear Algebra
Chapter 6: More Linear Algebra
Chapter 7: Differential Calculus
Chapter 8: Matrix Calculus
Chapter 9: Data Flow in Neural Networks
Chapter 10: Backpropagation
Chapter 11: Gradient Descent
Appendix: Going Further

View the Copyright page
View the detailed Table of Contents
View the Index

【干貨書】深度學習數(shù)學：理解神經網絡