近年來，深度學(xué)習(xí)在語音、圖像、自然語言處理等領(lǐng)域都取得了非常不錯的成果，自然而然地成為技術(shù)人員爭相學(xué)習(xí)的熱點。

為了幫助正在學(xué)習(xí)深度學(xué)習(xí)的伙伴們，川大的一名優(yōu)秀畢業(yè)生，在GitHub上創(chuàng)建了一個項目：《深度學(xué)習(xí)500問》，通過問答的形式對常用的概率知識、線性代數(shù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計算機(jī)視覺等熱點問題進(jìn)行闡述，以幫助自己及有需要的讀者。 全書分為15個章節(jié)，近20萬字。

截至今日，該項目已經(jīng)獲得了 2106 個「star」以及 465 個「fork」(GitHub項目地址：https://github.com/scutan90/DeepLearning-500-questions)

雖然本書還未完結(jié)，但還是值得一讀，下面我們詳細(xì)介紹書中有哪些內(nèi)容：

第一章數(shù)學(xué)基礎(chǔ)

本章主要講解了數(shù)學(xué)基礎(chǔ)知識，不僅涵蓋了相關(guān)的基礎(chǔ)概念，還包括彼此之間的聯(lián)系，如標(biāo)量、向量、張量之間的聯(lián)系;張量和矩陣的區(qū)別，還有常見的概率分布：

此外，還講解了不同類型的概率分布和統(tǒng)計學(xué)(期望、方差、協(xié)方差、相關(guān)數(shù))的相關(guān)基礎(chǔ)知識

第二章機(jī)器學(xué)習(xí)基礎(chǔ)

本章為大家羅列了常見的算法以及常見分類算法的優(yōu)缺點、分類算法的評估用法、大數(shù)據(jù)與深度學(xué)習(xí)的關(guān)系等，第二章涵蓋的知識點雖然很多但卻十分全面。

第三章深度學(xué)習(xí)基礎(chǔ)

本章開始進(jìn)入主題，為了描述神經(jīng)網(wǎng)絡(luò)，書中從最簡單的神經(jīng)網(wǎng)絡(luò)說起，然后層層深入，列舉了神經(jīng)網(wǎng)絡(luò)的常用模型結(jié)構(gòu)，如何選擇一個深度學(xué)習(xí)開發(fā)平臺等重點內(nèi)容，如神經(jīng)網(wǎng)絡(luò)常用的模型結(jié)構(gòu)如下：

第四章經(jīng)典網(wǎng)絡(luò)

本章向大家介紹了幾種經(jīng)典網(wǎng)絡(luò)，包括LeNet-5、AlexNet、可視化ZFNet-解卷積、GoogleNet的模型結(jié)構(gòu)及模型解讀等，如LeNet-5的模型結(jié)構(gòu)如下：

看了上面這些內(nèi)容，你是不是已經(jīng)迫不及待想深度讀一下這本未完結(jié)的書呢?或者你正從事該領(lǐng)域的工作，也可以幫助作者完善成書。

最后再附上GitHub地址：https://github.com/scutan90/DeepLearning-500-questions

關(guān)鍵詞： 川大優(yōu)秀畢業(yè)生 GitHub