阿斯顿·张、李沐联合编写的，面向中文读者的能运行、可讨论的深度学习教科书《动手学深度学习》又更新了。
本书6月最新、免费中文版、英文版教材；随书配套代码、视频： https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247488134&idx=1&sn=8ff197108336db0117b31194eae5cb1a&chksm=97a0d952a0d75044e7d0b8de5c3578877dfcdcbcb26854478ced0ca710ec8cdaf4019e083aaf&token=974303003&lang=zh_CN#rd
1. 新增了BERT、 自然语言推理、 推荐系统一章和深度学习的数学一章。深度学习领域的迅速发展促使我们不断更新内容。如果想及时获取最新修订或增添的信息，
2. 免费资源（新增中文版课件），在校学生和老师可以申请用于本书学习或教学的免费计算资源。课件、作业、教学视频等资源可参考伯克利“深度学习导论” 课程大纲 中的链接（中文版课件）。
内容简介
本书⾯向希望了解深度学习，特别是对实际使⽤深度学习感兴趣的⼤学⽣、⼯程师和研究⼈员。本书并不要求你有任何深度学习或者机器学习的背景知识，我们将从头开始解释每⼀个概念。虽然深度学习技术与应⽤的阐述涉及了数学和编程，但你只需了解基础的数学和编程，例如基础的线性代数、微分和概率，以及基础的 Python 编程。
本书内容⼤体可以分为三部分：
• 第⼀部分（第 1 章⾄第 3 章）涵盖预备⼯作和基础知识。第 1 章介绍了深度学习的背景和本书的使⽤⽅法。第 2 章提供了动⼿学深度学习所需要的预备知识，例如如何获取并运⾏书中的代码。第 3 章包括了深度学习最基础的概念和技术，例如多层感知机和模型正则化。如果你时间有限，并且只希望了解深度学习最基础的概念和技术，那么你只需阅读第⼀部分。
• 第⼆部分（第 4 章⾄第 6 章）关注现代深度学习技术。第 4 章描述了深度学习计算的各个重要组成部分，并为之后实现更复杂的模型打下基础。第 5 章解释了近年来令深度学习在计算机视觉领域⼤获成功的卷积神经⽹络。第 6 章阐述了近年来常⽤于处理序列数据的循环神经⽹络。阅读第⼆部分有助于掌握现代深度学习技术。
• 第三部分（第 7 章⾄第 10 章）讨论计算性能和应⽤。第 7 章评价了各种⽤来训练深度学习模型的优化算法。第 8 章检验了影响深度学习计算性能的⼏个重要因素。第 9 章和第 10 章分别列举了深度学习在计算机视觉和⾃然语⾔处理中的重要应⽤。这部分内容可供你根据兴趣选择阅读。
最新版目录
往期精品内容推荐
深度学习/图像处理历史最全最细-网络、技巧、迭代-论文整理分享
2019年新书-《基于PyTorch的自然语言处理》pdf免费分享
Graph Neural Network（GNN）最全资源整理分享
深度学习基础系列之2019深度学习暑期课程视频分享（中英字幕）
转载：https://blog.csdn.net/lqfarmer/article/details/106870590