简介

精彩点评

• 

  何止七八

  推荐

  神经网络就是在不停的迭代，使误差缩小。 前向传播获得误差，再通过反向传播调整权重，减少误差。

• 

  夏江源

  推荐

  很接地气的一本科普读物，神经网络的本质是各层节点之间正向或反馈传播信息的权重所构成的一片概率云，其中每个节点都需要使用渐进式的S函数进行激活。实体书还要再看一遍

• 

  喵喵喵

  推荐

  成体系的小书，神经网络入门不二之选！空手撸一个神经网络超级有成就感！！！五星好评！！！

• 

  东寻

  推荐

  本书深入浅出地将神经网络的概念和基础解释得明明白白，甚至附送了Python入门教学。阅读此书不仅能学一门语言，还能为读者揭开人工智能神秘的面纱，激发起读者进一步学习的兴趣。 从前听到诸如机器学习、神经网络等专有名词，心里只有触不可及之想，“人工智能”听起来像是前端科技，我这样的学渣可能只能瞻仰大佬英姿，未曾想过如此晦涩的知识竟也能变得如此浅显易懂。无比钦佩作者的学习能力和教学功底，带代码解释编程教学真的爱了，五星推荐好友来看。

• 

  zalan

  推荐

  作者真的很替初学者考虑呀，一个劲的强调计算机抗下了大部分的苦力活，诙谐语调，概念性的知识也讲述的很形象，后面几章节瞬间翻过。

• 

  陈俊龙

  推荐

  学习和了解人工智能的一本很好的入门书籍，让我用最少的学习成本对神经网络这个之前看来高不可攀的名词有了更深的理解！

• 

  北月

  推荐

  看的是实体书，适合新入门的观看，能够快速地帮你建立一个神经网络的思维。里面的方法也有些简单，不是学这个的，也可以当科普来看看。

• 

  Cenarius

  推荐

  这样一本科普神经网络，同时抽丝剥茧的讲解细节的书，在目前市面上就只见这一本。Python这么流行的时期，Python代码更是更多人的选择。作者基于Python语言中对象的编程思想构建神经网络代码，我个人不太习惯对象的形式，不用对象的语言形式应该也能实现相同的功能和效果。看完以后整个在脑中回顾一遍，假如自己凭空写代码的话，其中误差反向传播公式的推导是个重点，另外只要采用的语言包含矩阵乘法、转置等运算，就能写出简洁的代码，所以我是想不看书中代码，徒手重写matlab代码的，只有这样才能发现自己没有真正掌握的部分，不过matlab很早的版本就集成了神经网络工具箱，如果仅仅是简单使用神经网络，工具箱应该够用了。扣掉一星是因为微信读书这个版本里很多代码不完整，尤其是后面的部分，这会给一些读者造成困惑。

• 

  暗中讨饭

  推荐

  寓教于学，主要看了前半部分，表示相对于其他的机器学习的书，这本应该算是上乘的科普读物了，能增加感性认识，可以返回头去肝课件了，陌生人，你也加油！机器学习这真的是个大坑啊！

• 

  ArthurGuo

  推荐

  打个不恰当的比方，类似康震在诗词大会上除了画画之前的点评。内容是好的，方向是对的，太冗长。

• 

  过客

  推荐

  本以为这是一本讲神经网络框架的书，比如paddle ,比如tenser flow,没想到作者用一个矩阵就解决问题了！让我想起以前的从0制作一个电脑操作系统的书！这对于破除神秘，对于深刻理解，真是太有帮助了！以前，总是人云亦云的说神经网络就是个无法理解的黑盒，看了作者数字识别的反向操作，觉得也真是别出心裁，有启发！ 反过来想，所谓的神经网络，不过是一个信息的过滤器，尤其，对于分类器来说，如果，针对每一个分类的输出反向视觉化权重网络，是不是也能有图景出现呢？！

• 

  大耳朵豆豆

  推荐

  先总结，本书中文版豆瓣评分9.1分，是极高的分数。个人觉得中文版在8.5-9.0分之间，因为有少量翻译错误，尤其是公式与代码的前后不一致，会对初学者造成一定困扰，但是英文版无此问题，个人给英文版的分数在9.0分左右。 本书优点如下： 1.脉络简单、清晰，从简单的线性分类到基础的神经网络，两者之间的异同点，一一道来，让人知其所以然 2.定位很清晰，不贪图大而全，只求讲清楚最基础的三层神经网络，对我而言，作者的目的达到了 3.实践性很强，手写数字图像识别 4.只需高中数学作为先验知识即可

• 

  日星河岳

  推荐

  花了一个月时间读完，讲的十分有趣，小白可以零基础入门，很好的一本书，已推荐给两位朋友。

• 

  代号：穿山甲

  推荐

  看完了，挺少，挺简单的！ 先看了一点点数学原理书再来看代码操作入门书，把数学用代码描述出来，也就是实践了吧。

• 

  编程浪子

  推荐

  这本书能把神经网络的基本原理和算法讲解的如此浅显易懂，是神经网络入门最好的书籍