[電子書] Math and Architectures of Deep Learning

Contents

MEAP 於 2020 年 3 月開始 2023 年初出版（預計）

構成深度學習基礎的數學範式通常從難以閱讀的學術論文開始，常常讓工程師對他們的模型實際如何運作一無所知。深度學習的數學和架構彌合了理論與實踐之間的差距，將深度學習的數學與 Python 和 PyTorch 中的實際實現並排佈置。由深度學習專家 Krishnendu Chaudhury 撰寫，你將窺視“黑匣子”以了解你的程式碼是如何工作的，並學習理解可以轉化為實際應用的尖端研究。

“This is a book that will reward your patience and perseverance with a clear and detailed knowledge of deep learning mathematics and associated techniques.” – Tony Holdroyd

到官網查看本書

關於技術

了解你的深度學習模型的工作原理非常重要，如此你將可有效維護它們並向其他利益相關者說明。學習數學基礎和神經網路架構可能具有挑戰性，但回報是巨大的。你將擺脫對預打包 DL 模型的盲目依賴，並能夠針對你的特定需求進行構建、定制和重新架構。當出現問題時，你會很高興能夠快速識別和解決問題。

關於本書

深度學習的數學和架構以一種對工作從業者有用且易於理解的方式奠定了 DL 的基礎。每一章都探討了一個新的基本 DL 概念或架構模式，解釋了基礎數學，並展示了它們如何在實踐中使用註釋良好的 Python 程式碼工作。你將從基礎代數、微積分和統計學的入門開始，逐步學習最新研究中最先進的深度學習範式。完成後，你將擁有綜合理論洞察力和實踐技能，可以識別和實施 DL 架構，以應對幾乎所有現實世界的挑戰。