图书标签: 深度学习  人工智能  机器学习  计算机  计算机科学  Python  原版  Learning   

喜欢 Grokking Deep Learning 的读者还喜欢

• 
  Make Your Own Neural Network pdf epub mobi txt 电子书 下载
• 
  Data Analysis with Open Source Tools pdf epub mobi txt 电子书 下载
• 
  Microservice Patterns pdf epub mobi txt 电子书 下载
• 
  Data Structures and Algorithms in Python pdf epub mobi txt 电子书 下载
• 
  Python Algorithms pdf epub mobi txt 电子书 下载
• 
  Data Science at the Command Line pdf epub mobi txt 电子书 下载
• 
  Hands-On Machine Learning with Scikit-Learn and TensorFlow pdf epub mobi txt 电子书 下载
• 
  The Vital Question pdf epub mobi txt 电子书 下载
• 
  Python for Data Analysis pdf epub mobi txt 电子书 下载
• 
  Building Machine Learning Systems with Python pdf epub mobi txt 电子书 下载

一无所知者读到第10章应该就够了

非常牛的一本书。

This book helps to grasp some basic math concepts that under the hood of neural networks for those without classical math background. However, for me, some concepts and code are misconstructed and explained superficially. Comparing with this book, I recommend Make Your Own Neural Network written by Andrew Trask to deep learning beginners.

首先，这书是19年出版，不是17年；第二，这本书只有前半部分适合入门，中间往后越来越有偷懒之嫌，我读过较多深度学习入门书，无论是偏理论还是偏实践，这是第一本介绍LSTM不用一张图，而是完全用代码堆砌和打不到重点的文字，LSTM明明最容易且最有必要用图释呈现，这种情况在书中的后半部分很常见，不止是针对LSTM，作者一改在前半部分中动不动就作图说明的风格，那时候甚至不太重要的概念都作图，后来是感觉读者们翅膀一下子就硬了，不需要深入浅出了？可你也没什么过渡部分啊，代码数量在书的后半部分突然猛增，最重要的是注释写的真烂，号称是入门书，代码注释这么烂你好意思吗？能简简单单看懂你代码的人还需要读入门书吗？给三星评价是因为书的前半段有可取之处，在大量同类书中难得用代码把一些最基础功能实现，而不是外调函数。

在调包类书籍泛滥的当下，这本书可以说是非常old school了，作者通过10多章的铺垫，最终完成了一个微型的深度学习库，这应该也是本书的最大价值。同时这本书的覆盖面和难度对初学者来说还是比较大的，读起来不像同系列的《算法图解》那样轻松。