复旦大学邱锡鹏教授《神经网络与深度学习》最新版更新！

谁借莪１个温暖的怀抱￠ 2022-09-17 03:22 241阅读 0赞

近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。从车牌识别、人脸识别、语音识别、智能问答、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地使用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者们的长期努力。特别是最近这几年，得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富，越来越多的人开始关注这一个“崭新”的研究领域：*深度学习*。深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。

**1.扫码** **“人工智能算法与Python大数据” 公众号**

**2.后台回复关键词：****9082**

**![afec1672c5c84893b07a625eec26839c.png][]**

**▲长按扫描，回复9082即可获取**

**或点击****下方****直接跳转，后台回复：****9082**

**部分内容展示：**

![6dd7a76c403400f719a7fb8c101276b1.png][]

![252745d29e04482b3e2aa7bc596a5e64.png][]

## 关于本书 ##

本课程主要介绍神经网络与深度学习中的基础知识、主要模型（前馈网络、卷积网络、循环网络等）以及在计算机视觉、自然语言处理等领域的应用。

要获取更新提醒，请关注https://github.com/nndl/nndl.github.io

课程练习，见https://github.com/nndl/exercise

## 概要 ##

《神经网络与深度学习》3小时课程概要 ppt(72M) pdf (12M)

全书内容 pdf (updated 2019-10-07)、ipad版 (updated 2019-10-07，请忽略版式问题)

2019-09-29更新说明：

1.  更新向量符号：将所有粗体英文字母改为粗斜体
2.  调整绪论的小节顺序
3.  修改issue中的部分错误
4.  统一更改了参考文献格式
5.  增加了吴立德老师序

2019-10-07更新说明：

1.  数学基础 调整微积分一节，增加了泰勒公式，积分的介绍
2.  数学基础 增加熵编码一节
3.  概率图模型 调整“学习”和“推断”两节的次序
4.  概率图模型 增加“变分推断“的简单介绍

### 章节内容 ###

1.  绪论\[ppt\]
2.  机器学习概述 \[ppt\]
3.  线性模型 \[ppt\]
4.  前馈神经网络 \[ppt\]
5.  卷积神经网络 \[ppt\]
6.  循环神经网络 \[ppt\]
7.  网络优化与正则化 \[ppt\]
8.  注意力机制与外部记忆 \[ppt\]
9.  无监督学习 \[ppt\]
10. 模型独立的学习方式 \[ppt\]
11. 概率图模型 \[ppt\]
12. 深度信念网络 \[ppt\]
13. 深度生成模型\[ppt\]
14. 深度强化学习 \[ppt\]
15. 序列生成模型 \[ppt\] 一个过时版本：词嵌入与语言模型
16. 数学基础

**1.扫码** **“人工智能算法与Python大数据” 公众号**

**2.后台回复关键词：****9082**

**![06cc2c8f0a1770774208291228cb415b.png][]**

**▲长按扫描，回复9082即可获取**

**或点击****下方****直接跳转，后台回复：9082**

[afec1672c5c84893b07a625eec26839c.png]: /images/20220828/e7e45ccdc31d4bbba6c6a2919ed90e36.png
[6dd7a76c403400f719a7fb8c101276b1.png]: /images/20220828/15a4b46060084e64908a4ff4dd2cce8e.png
[252745d29e04482b3e2aa7bc596a5e64.png]: /images/20220828/4d782ca4932346e0b061a87ee26c3405.png
[06cc2c8f0a1770774208291228cb415b.png]: /images/20220828/1fcf179d883942959e6e8b24b0e43ae4.png