神经网络与深度学习 邱锡鹏 PDF电子书 [53MB]

本书主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、递归神经网络等）以及在计算机视觉、自然语言处理等领域的应用。

读者对象：

1.高校人工智能等相关专业方向的本科生和研究生；2.深度学习/机器学习/AI算法/自然语言处理工程师；3.从事机器学习和自然语言处理研究的专业人员；4.其他对深度学习和神经网络感兴趣的人员。

1）复旦大学邱锡鹏教授基于优秀科研和教学实践，历时5年时间静心写作、不断完善，深受好评的深度学习讲义“蒲公英书”正式版！

2）字节跳动AI实验室主任李航、南京大学周志华教授、复旦大学吴立德教授强力推荐。

3）系统整理深度学习的知识体系，从机器学习基础、神经网络模型以及概率图模型三个层面来串联深度学习所涉及的知识点，兼具系统性、条理性和全面性。

4）适合自学与入门。在网站上配套了教学PPT以及针对每章知识点的编程练习，理论和实践结合，加深读者对知识的理解，并提高问题求解能力。

5）内容安排由浅入深，语言表达通俗易懂，排版布局图文并茂，全彩印刷装帧精美。

“蒲公英书”的由来：

在封面上专门设计了蒲公英图案，寓意是希望这本教材能够帮助更多的学生进入深度学习以及人工智能领域，他们会为人工智能领域注入新的生机与活力。

——邱锡鹏

本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。
全书共15章，分为三个部分。

• 分为机器学习基础：第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。
• 第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；第10章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。
• 第三部分是进阶模型：第11章介绍概率图模型的基本概念，为后面的章节进行铺垫；第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络；第13章介绍深度生成模型，包括变分自编码器和生成对抗网络；第14章介绍深度强化学习；第15章介绍应用十分广泛的序列生成模型。

本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业的研究生或本科生教材，也可供相关领域的研究人员和工程技术人员参考。
本书还配备了教学PPT、编程练习以及课后习题的讨论。