圖書標籤: 深度學習  人工智能  機器學習  計算機  計算機科學  Python  原版  Learning   

喜歡 Grokking Deep Learning 的讀者還喜歡

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

非常棒。最簡單最基礎最需要謹慎的思考，這事關建立優秀的直覺.看到後麵突然驚覺，DL書包括本書都用到error這個詞，而 這個詞實際是嚴重誤導瞭讀者，我給取個更好的詞， “How far left if I were to reach the target”， 簡稱“left“；input 和weight 本質上是對稱的， forward propagation 與 back propagationyi'以及後麵修改weight過程實際上非常符閤人類的生活經驗：微微鏇動weight鏇鈕，input越大，到達target越快；微微鏇動input 鏇鈕， weight 越大到底target 越快，當然不可能鏇動中間層input，我們可以鏇動該層前麵的weigh。後麵教做framework太用心瞭

適閤入門的一本書

首先，這書是19年齣版，不是17年；第二，這本書隻有前半部分適閤入門，中間往後越來越有偷懶之嫌，我讀過較多深度學習入門書，無論是偏理論還是偏實踐，這是第一本介紹LSTM不用一張圖，而是完全用代碼堆砌和打不到重點的文字，LSTM明明最容易且最有必要用圖釋呈現，這種情況在書中的後半部分很常見，不止是針對LSTM，作者一改在前半部分中動不動就作圖說明的風格，那時候甚至不太重要的概念都作圖，後來是感覺讀者們翅膀一下子就硬瞭，不需要深入淺齣瞭？可你也沒什麼過渡部分啊，代碼數量在書的後半部分突然猛增，最重要的是注釋寫的真爛，號稱是入門書，代碼注釋這麼爛你好意思嗎？能簡簡單單看懂你代碼的人還需要讀入門書嗎？給三星評價是因為書的前半段有可取之處，在大量同類書中難得用代碼把一些最基礎功能實現，而不是外調函數。

No math,覺得非常友好通俗，有記憶點。作者還分享瞭學習心得，是通用的。雖然說起來容易做起來難。講解問題的逐步深入。還講瞭framework. 仰慕一下作者的學習能力和纔思

非常牛的一本書。