該書的作者是來自 Y Combinator Research 的研究員 Michael
Nielsen，他也是一位量子物理學(xué)家、科學(xué)作家、計算機(jī)編程研究人員。他的個人主頁是：Neural networks and deep
learningneuralnetworksanddeeplearning.com書籍介紹 這是我個人以為目前最好的神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)入門資料之一。內(nèi)容非常淺顯易懂，很多數(shù)學(xué)密集的區(qū)域作者都有提示。全書貫穿的是 MNIST 手寫數(shù)字的識別問題，每個模型和改進(jìn)都有詳細(xì)注釋的代碼。非常適合用來入門神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)！ 全書共分為六章，目錄如下： 第一章：使用神經(jīng)網(wǎng)絡(luò)識別手寫數(shù)字 第二章：反向傳播算法如何工作 第三章：改進(jìn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 第四章：神經(jīng)網(wǎng)絡(luò)可以計算任何函數(shù)的可視化證明 第五章：深度神經(jīng)網(wǎng)絡(luò)為何很難訓(xùn)練 第六章：深度學(xué)習(xí) 《Neural Network and Deep
Learning》這本書的目的是幫助讀者掌握神經(jīng)網(wǎng)絡(luò)的核心概念，包括現(xiàn)代技術(shù)的深度學(xué)習(xí)。在完成這本書的學(xué)習(xí)之后，你將使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)來解決復(fù)雜模式識別問題。你將為使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)打下基礎(chǔ)，來攻堅你自己設(shè)計中碰到的問題。 本書一個堅定的信念，是讓讀者更好地去深刻理解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，如果你很好理解了核心理念，你就可以很快地理解其他新的推論。這就意味著這本書的重點不是作為一個如何使用一些特定神經(jīng)網(wǎng)絡(luò)庫的教程。僅僅學(xué)會如何使用庫，雖然這也許能很快解決你的問題，但是，如果你想理解神經(jīng)網(wǎng)絡(luò)中究竟發(fā)生了什么，如果你想要了解今后幾年都不會過時的原理，那么只是學(xué)習(xí)些熱?的程序庫是不夠的。你需要領(lǐng)悟讓神經(jīng)網(wǎng)絡(luò)工作的原理。
