简介

精彩点评

• 

  徐老

  推荐

  很好的书只是excel下的运算不是很清楚，有可能出不了结果，原理很清楚。

• 

  zhaojiew

  推荐

  一直觉得一本好书就是让不明白的人看明白，作者的细致和严谨真的值得称赞。这本书的内容过度非常流畅，几乎没有大的思维跳跃，所以读起来非常流畅。在已有的梯度下降算法基础上进行学习，不得不说，误差的反向传播算法真的是很神奇，将偏导数的计算简化为计算机擅长的递推迭代过程，大大降低了计算的复杂度，意义深远啊。此外还学习到深度学习的深不仅是层次上的深度，更有结构上的变化，比如CNN。非要说不足那也是深度学习的数学公式本身很复杂，变量和标号容易让人蒙圈，不过作者已经写的很明白了，是非常推荐入门深度学习原理的书。

• 

  志强No.CM10

  推荐

  讲解深度学习原理的好书，作为门外汉，跟着作者的思路，都能理解涉及到的公式。图文结合确实可以帮助理解公式的含义。 本书最后一章的图片中的公式有错误。

• 

  倚风而思

  推荐

  讲得清晰明了，非专业而想了解深度学习基本原理的人士可以一读。

• 

  罗

  推荐

  想知道神经网络究竟怎么回事，五星推荐读这本。深入浅出写作的典范。 希望了解神经网络的基本思想“为什么可以”，看第一章就很有收获，想进一步了解数学原理甚至一窥工程上的实现逻辑，推荐看完全书。 全书对读者数学基础要求不高，读完甚至想念高数。社畜多年，若工作无关，读带点数学的书也真是一种奢侈。

• 

  薛军帅

  推荐

  适合没有基础的初学者，包含了最基础的高中数学和概率的知识，对入门后的同学来说直接看3、4、5章有个概念就行了。不过本书确实非常严谨，作为入门书来说值得学习。

• 

  失衡

  推荐

  这本书总体还行，通过图片识别的案例把神经网络的整个逻辑讲清楚了。只是写的有点啰嗦，章节安排的顺序上有点问题，尤其是中间部分先讲了一堆数学知识，最后才讲这些数学知识是如何应用的，容易让人在学习数学知识时一头雾水

• 

  Yilia

  推荐

  恶魔比喻很形象，作者把神经单元和神经网络的由来与原理讲得很清晰

• 

  汉子哥

  推荐

  小恶魔的例子列举的非常生动，能帮助数学基础一般的人，对于深度学习的原理有一定的概念性的了解。

• 

  陈广生

  推荐

  我就当数学基础知识学习了。 想学习的可以看看，简单入门，有图有案例。

• 

  excellent~elvis

  推荐

  难得的一本能让我坚持读下去的机器学习的书，由浅入深，配上实操案例挺好的；虽然有节求“损失函数和对权重的偏导”，感觉提供的式子推导错了，被迫查高数书去验证，卡了几天，但是不影响原理的理解，值得推荐

• 

  散步

  推荐

  如果你想完美理解神经网络构成，前向传播算法与反向传播算法，以及卷积神经网络的运作过程，那你一定要看看这本书！（直接手撕bp，再看西瓜书也毫无压力

• 

  张宇

  推荐

  大学接触的线性代数和高数非常枯燥，最大的感触是"无用感"，找不到应用的价值和深入的动力。 最近在《深度学习的数学》和《3d数学基础图形与游戏开发》中重新看到数学的强大作用和魅力。我建议线性代数等课程应该围绕一个可应用的实践例子来展开，要比给"矩阵的秩"下个劝退学生的定义要好得多。 本书对梯度下降的意义解释得不错。但到反向传播部分的解释开始玄乎了起来，有点已知1+1=2，从而推导出一个手写数字识别算法的感觉。

• 

  swt

  推荐

  作者没说假话，深度学习只要高中数学，但是关键是不知道当时学了怎么用，入门好书。

• 

  自白

  推荐

  大概从2月15号开始真正开启阅读，作为一本深度学习的入门书确实名副其实，一个例子贯穿全书的脉络，深入浅出地解释着神经网络各层的作用以及数学上的应用，虽然例子比较简单，但也算将上学期学习文本挖掘时脑子里一直以来存在的迷雾驱散开来吧。 不过这本书中excel应用部分并未详细阅读，卷积神经网络中的反向传播算法也读的比较匆匆，如果本书可以提供配套的电子资源就好了