決心打底！Python 深度學習基礎養成

一步步拆解複雜的數學算式，一筆筆手工算給你看,硬派學習才能紮穩根基！「想要學好深度學習，深入了解底層各種演算法的運算細節絕對有其必要！」相信不少初學者正抱持著相同的想法，希望好好熟悉mini-batch反向傳播、梯度下降等各種深度學習演算法的細節，但多數的情況卻可能一直碰壁...原因很簡單，當你深究神經網路的底層運算，會發現種種演算法的背後統統都是數學,學寫程式還行，滿滿的數學算式卻很容易讓人打退堂鼓，但是，真有決心學好基礎千萬不要就此放棄！其實神經網路底層並沒用到多深的數學，只需要向量、矩陣等線性代數，以及偏微分、鏈鎖法則等微分技巧，掌握這些就綽綽有餘，但為什麼一堆數學算式總是讓人看了頭昏腦脹？因為數學光用看的是「無感」的！既然無法逃避，我們就帶你跟數學來個正面對決！當遇到看起來很複雜的數學算式時，我們會先一步步手工算給你看，再用Python+NumPy算一遍來驗證，完成這兩個步驟後保證清楚了解各種算式的涵義！而針對深度學習的精髓－mini-batch反向傳播運算，我們也將硬派拆解背後的數學運算，你將清楚看到DNN、CNN神經網路所有「反」著算來進行優化的細節，這絕對是其他深度學習書籍少見的紮實內容。若你之前看了一大堆深度學習書籍或網路文章，始終對數學心存畏懼，也對底層的運算似懂非懂，請跟著本書潛心修練，一定可以紮實養成深度學習的基礎！　本書特色Python基礎紮根✕正面迎戰數學✕神經網路底層概念，該學的一次搞定！‧惡補深度學習的數學基礎，手工算最清楚！對數／指數／向量／矩陣／矩陣乘積／微分／偏微分／全微分／鏈鎖法則‧紮實打好Python與常用套件的基礎list／tuple／條件式／迴圈／函式／類別／reshape／transpose／NumPy／Matplotlib／scikit-learn‧零框架！硬派拆解深度學習演算法背後的數學運算DNN反向傳播／CNN反向傳播／mini-batchSGD／Dropout／AdaGrad‧詳細解說，流暢翻譯本書由【施威銘研究室】監修，書中針對原書進行大量補充，並適當添加註解，幫助讀者更加理解內容！

數學 深度學習 演算法 傳播 PYTHON

• 更多資訊 搶優惠
分享文章
×
分享