麻省理工出版 | 2023年最新深度学习综述手册

UCL Simon Prince的新书：《Understanding Deep Learning》 ，在2023年2月6日由MIT Press出版。他之前写过很受欢迎的《Computer Vision: Models, Learning, and Inference》。

关于这本最新的深度学习手册，作者这样介绍它：

正如书名所示，它不是最实用的书（没有代码），也不是最理论的书（没有证明）。本书的目标是让读者以最简单的方式理解支撑现代深度学习技术的核心思想。读完本书后，读者将能够把深度学习应用于没有现成方法的新情况。

全书400多页，共20章，目录部分如下：

• Chapter 1 - 导论 Introduction

• Chapter 2 - 监督学习 Supervised learning

• Chapter 3 - 浅层神经网络 Shallow neural networks

• Chapter 4 - 深度神经网络 Deep neural networks

• Chapter 5 - 损失函数 Loss functions

• Chapter 6 - 训练模型 Training models

• Chapter 7 - 梯度与初始化 Gradients and initialization

• Capter 8 - 衡量性能 Measuring performance

• Chapter 9 - 正则化 Regularization

• Chapter 10 - 卷积网络 Convolutional nets

• Chapter 11 - 残差网络 Residual networks and BatchNorm

• Chapter 12 - Transformers

• Chapter 13 - 图神经网络 Graph neural networks

• Chapter 14 - 无监督学习Unsupervised learning

• Chapter 15 - 生成对抗网络 Generative adversarial networks

• Chapter 16 - Normalizing flows

• Chapter 17 - 变分自编码器 Variational auto-encoders

• Chapter 18 - 扩散模型 Diffusion model

• Chapter 19 - 深度强化学习 Deep reinforcement learning

• Chapter 20 - 为什么深度学习work？Why does deep learning work?

全书从机器学习基础概念到深度学习各种模型，包括最新的Transformer和图神经网络都有介绍，比较系统全面，非常值得深度学习入门者关注，也可以帮助大家更好地了解不同深度学习算法的最新研究情况，最后，如果这篇综述最你有帮助或者你需要这个，我已经将完整的近500页PDF和2到13章的全部PPT及图表打包整理好。可在三连后评论区留言即可获取，反正是薅羊毛，有何不可呢？