動(dòng)手學(xué)深度學(xué)習(xí)
本書(shū)旨在向讀者交付有關(guān)深度學(xué)習(xí)的交互式學(xué)習(xí)體驗(yàn)。書(shū)中不僅闡述深度學(xué)習(xí)的算法原理，還演示它們的實(shí)現(xiàn)和運(yùn)行。與傳統(tǒng)圖書(shū)不同，本書(shū)的每一節(jié)都是一個(gè)可以下載并運(yùn)行的 Jupyter記事本，它將文字、公式、圖像、代碼和運(yùn)行結(jié)果結(jié)合在了一起。此外，讀者還可以訪問(wèn)并參與書(shū)中內(nèi)容的討論。
全書(shū)的內(nèi)容分為3個(gè)部分：第一部分介紹深度學(xué)習(xí)的背景，提供預(yù)備知識(shí)，并包括深度學(xué)習(xí)最基礎(chǔ)的概念和技術(shù)；第二部分描述深度學(xué)習(xí)計(jì)算的重要組成部分，還解釋近年來(lái)令深度學(xué)習(xí)在多個(gè)領(lǐng)域大獲成功的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)；第三部分評(píng)價(jià)優(yōu)化算法，檢驗(yàn)影響深度學(xué)習(xí)計(jì)算性能的重要因素，并分別列舉深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理中的重要應(yīng)用。
本書(shū)同時(shí)覆蓋深度學(xué)習(xí)的方法和實(shí)踐，主要面向在校大學(xué)生、技術(shù)人員和研究人員。閱讀本書(shū)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(yīng)用科學(xué)家，美國(guó)伊利諾伊大學(xué)香檳分校計(jì)算機(jī)科學(xué)博士，統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)雙碩士。他專注于機(jī)器學(xué)習(xí)的研究，并在數(shù)個(gè)頂級(jí)學(xué)術(shù)會(huì)議發(fā)表過(guò)論文。他擔(dān)任過(guò)NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等學(xué)術(shù)會(huì)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(xué)家（Principal Scientist），加州大學(xué)伯克利分?？妥斫淌?，美國(guó)卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)系博士。他專注于分布式系統(tǒng)和機(jī)器學(xué)習(xí)算法的研究。他是深度學(xué)習(xí)框架MXNet 的作者之一。他曾任機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司Marianas Labs 的CTO 和百度深度學(xué)習(xí)研究院的主任研發(fā)架構(gòu)師。他在理論、機(jī)器學(xué)習(xí)、應(yīng)用和操作系統(tǒng)等多個(gè)領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議（包括FOCS、ICML、Ne...
阿斯頓·張（Aston Zhang）
亞馬遜應(yīng)用科學(xué)家，美國(guó)伊利諾伊大學(xué)香檳分校計(jì)算機(jī)科學(xué)博士，統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)雙碩士。他專注于機(jī)器學(xué)習(xí)的研究，并在數(shù)個(gè)頂級(jí)學(xué)術(shù)會(huì)議發(fā)表過(guò)論文。他擔(dān)任過(guò)NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等學(xué)術(shù)會(huì)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(xué)家（Principal Scientist），加州大學(xué)伯克利分?？妥斫淌?，美國(guó)卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)系博士。他專注于分布式系統(tǒng)和機(jī)器學(xué)習(xí)算法的研究。他是深度學(xué)習(xí)框架MXNet 的作者之一。他曾任機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司Marianas Labs 的CTO 和百度深度學(xué)習(xí)研究院的主任研發(fā)架構(gòu)師。他在理論、機(jī)器學(xué)習(xí)、應(yīng)用和操作系統(tǒng)等多個(gè)領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上發(fā)表過(guò)論文。
扎卡里·C. 立頓（Zachary C. Lipton）
亞馬遜應(yīng)用科學(xué)家，美國(guó)卡內(nèi)基梅隆大學(xué)助理教授，美國(guó)加州大學(xué)圣迭戈分校博士。他專注于機(jī)器學(xué)習(xí)算法及其社會(huì)影響的研究，特別是在時(shí)序數(shù)據(jù)與序列決策上的深度學(xué)習(xí)。這類工作有著廣泛的應(yīng)用場(chǎng)景，包括醫(yī)療診斷、對(duì)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(xué)家，德國(guó)柏林工業(yè)大學(xué)計(jì)算機(jī)科學(xué)博士。他曾在澳大利亞國(guó)立大學(xué)、美國(guó)加州大學(xué)伯克利分校和卡內(nèi)基梅隆大學(xué)任教。他發(fā)表了超過(guò)200 篇學(xué)術(shù)論文，并著有5 本書(shū)，其論文及書(shū)被引用超過(guò)10 萬(wàn)次。他的研究興趣包括深度學(xué)習(xí)、貝葉斯非參數(shù)、核方法、統(tǒng)計(jì)建模和可擴(kuò)展算法。