我 · 出 · 书 · 了!

跟大家说个事,也算是憋了很久,之前花了近一年时间撰写的 AI 书籍《深度学习入门:基于PyTorch和TensorFlow的理论与实现》终于正式出版了!

一睹真容:

这里跟大家唠一下,之前很多出版社的编辑找过我,想让我写一本关于机器学习或深度学习的入门教程。一开始我是拒绝的,大家知道,写书是一件超级麻烦的事,需要架构、排版、系统化等等,远比写一篇原创文章要耗费精力得多。

后来,机缘巧合吧,一段时间比较空闲,正好清华大学出版社找到我,于是就开始漫漫写书路。。。好在我是那种既然选择做一件事就要把它做好的性格,这本书也在自己的精心打磨下出版了~

下面就是“官方介绍”啦~跟大家介绍一下这本书吧!

为什么写这本书?

在学习深度学习的几年时间里,我学过一些国内外优秀的深度学习公开课程,口碑都很好;我也看过不少大牛老师写的高质量书籍,收获颇丰;我也在学习的过程中走过一些弯路,遇到一些坑,这些也是宝贵的经验。

我个人觉得,任何前沿技术,如深度学习,扎实的基础知识非常重要。而最好的基础知识的获取方式还是教材和书本。但是,反观现在一些深度学习方面的书籍,或多或少存在一些问题:

1、数学理论太多,公式多,起点高,对初学者不友善,容易削弱入门学习的积极性。

2、只讲深度学习框架,教你如何调包、调用库函数,不讲深度学习理论知识。容易造成一知半解,沦为“调包侠”。

3、理论与实战的脱节,过于侧重理论或者过于侧重实战,二者之间没有很好的融合。

基于以上这些问题,我认为写一本真正适合深度学习初学者的入门书籍非常必要。这样的书籍不仅要兼顾理论和实战,还应该将重难点知识通俗化讲解、全面细致。难度有阶梯性,照顾不同水平的读者。这样的书籍才能最大程度地让读者受益。

基于这样的考量,《深度学习入门:基于PyTorch与TensorFlow的理论与实战》跟大家见面了。

本书特色

我刚刚也说了,对于初学者而言,一本好的深度学习书籍,宗旨就是让读者能够轻轻松松地掌握知识、触类旁通。本书作为一本深度学习的入门书籍,对初学者是非常友好的。本书的内容来自于我多年的知识积累和技术沉淀,也是我的一份深度学习经验总结。

首先,这本书包含了Python的基本介绍。Python作为人工智能的首选语言,其重要性不言而喻。Python入门非常简单,本书将会对深度学习中所需的基本Python语法知识进行简明扼要的提炼和概括。如果有的读者之前没有接触过Python,那么本书将轻松带你入门。

其次,这本书介绍了如今主流的深度学习框架PyTorch和TensorFlow。通过本书,读者可以对这两个框架的基本语法和基础知识有一个系统的学习,夯实基础。如果你之前对PyTorch和TensorFlow不了解也没有关系,这本书也可以是这两个框架的知识学习手册。

然而,最重要的,这是一本关于深度学习的入门教程。我在编写该书的时候,从小白的视角出发,结合我多年的知识和经验,尽量将深度学习、神经网络的理论知识用通俗易懂的语言描绘出来。这本书能让读者真正了解、熟悉神经网络的结构和优化方法,也能帮助读者梳理一些容易被忽视的技术细节。例如最简单的梯度下降算法,它的公式来源和理论支持是什么?本书都会有详细的解释。

值得注意的是,我一贯的坚持是将复杂的理论简单化,这本书会将理论以平易化的语言描述清楚,但不会深陷于数学公式之中。这本书面向的深度学习的入门者和初学者,不会涉及太多太复杂的理论知识。因为入门深度学习,前期整体上的感性认识尤为重要。轻松入门,往往是比较正确的学习路线。我在编写该书的时候,也一直在把握这个分寸和尺度。如果想要学习更深层次、更高级的深度学习知识,读者可以查阅更多的书籍、会议论文、前沿技术等。

除此之外,深度学习更重要的是代码实践,这也是本书一直秉承的一个重点。这本书的另一个优势就是不仅讲理论知识,也配备了完整的实战项目和代码。从简单的逻辑回归,到浅层神经网络、深层神经网络,再到CNN、RNN,都会通过一个实际项目从零搭建神经网络,或者使用PyTorch、TensorFlow来构建更复杂的例如CNN、RNN模型解决问题。

本书的所有代码,我都开源放在了GitHub上,地址如下:

https://github.com/RedstoneWill/dl-from-scratch

面向的读者

这是一本深度学习的入门书籍,也是一本关于Python、PyTorch、TensorFlow的工具手册;这是一本深度学习的理论书籍,也是一本教你如何编写代码构建神经网络的实战手册。我希望这本书能够帮助更多想要入门深度学习的爱好者,能够帮助读者扫清学习过程中的障碍,再上新台阶。

本书面向的读者包括:深度学习初学者;对深度学习感兴趣的在校大学生;有意向转行AI领域的IT从业人员。当然,这本书也是不错的深度学习工具手册,里面不仅有理论知识,也有示例代码。

值得一提的是,如果你已经有很高的深度学习水平了,那么可能本书不太适合你,你应该更关注深度学习的前沿理论和论文。

目录介绍:

本书是一本系统介绍深度学习基础知识和理论原理的入门书籍。全书以神经网络的基本结构入手,详细推导了前向传播和反向传播的数学公式和理论支持;详细介绍了如今各种优化神经网络的梯度优化算法和正则化技巧,也给出了在实际应用中的超参数调试和网络训练的技巧;同时,也介绍了典型的卷积神经网络(CNN)和循环神经网络(RNN)。除了理论基础之外,本书以Python为基础,详细介绍了如今主流的深度学习框架TensorFlow和PyTorch,并分别使用这两种框架来构建相应章节的项目,帮助读者从理论和实践中提高自己的深度学习知识水平。

全书共分为三个部分:第一部分(第1~3章),主要对深度学习进行简要概述,列举重要的 Python 基础知识,如何搭建开发环境,以及TensorFlow和PyTorch的精炼教程;第二部分(4~7章),主要介绍神经网络的基础,以感知机入手,到简单的两层神经网络,详细推导正向传播与反向梯度的算法理论,然后介绍深层神经网络,并重点介绍神经网络优化算法及构建神经网络模型的实用建议;第三部分(8~9章),主要介绍卷积神经网络(CNN)和循环神经网络(RNN)的基本结构,重点剖析两种模型的数学原理和推导过程。

目录:

  • 前言

  • 第一章 深度学习基础

  • 第二章 PyTorch

  • 第三章 TensorFlow

  • 第四章 神经网络基础知识

  • 第五章 神经网络

  • 第六章 深层神经网络

  • 第七章 优化神经网络

  • 第八章 卷积神经网络

  • 第九章 循环神经网络

如何获取

这本新书《深度学习入门:基于PyTorch和TensorFlow的理论与实现》已经在京东、当当开售了。需要的读者自行获取,也可以点击底部“阅读原文”获取!

后记

深度学习涉及的范围很广,也在不断涌现新的深度学习技术。本书只是介绍了深度学习的基本的,也是必备的基础知识,例如传统的前馈神经网络、卷积神经网络、循环神经网络等基本结构。实际上,本书的很多章节,例如卷积神经网络、循环神经网络都可以独立成书,因为确实包含了很多的知识内容。由于篇幅的限制,很多更深层次的内容我们在本书中没有提及。

另外,深度学习包含的领域是很广的!其它更深入的更复杂的内容,包括强化学习、GAN模型、自动驾驶等,本书也没有介绍。感兴趣的读者可以查阅相关书籍或者文献。

不过,读者大可放心,本书介绍的内容是基础的,也是核心的。通过本书的学习,读者一定能够比较顺利地入门深度学习。

最后,本书的源码全部开源,读者可以从GitHub上获取:

https://github.com/RedstoneWill/dl-from-scratch

也可以关注我的个人微信公众号:AI 有道(ID:redstonewill)。


未经允许不得转载:红色石头的个人博客 » 我 · 出 · 书 · 了!

赞 (5) 打赏

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏