复旦大学邱锡鹏教授发布《神经网络与深度学习》教材,配备代码和章节练习

简介: 广受好评的学习资源

雷锋网(公众号:雷锋网) AI 科技评论按,近日,复旦大学计算机科学学院副教授邱锡鹏发布了一本《神经网络与深度学习》教材,这份学习资源一经发布就广受好评。目前,该资源在 github 上已经斩获 5000+ star。

TB1flBcRhnaK1RjSZFtXXbC2VXa.png

2015 年,复旦大学计算机学院开设了《神经网络与深度学习》课程。由于当时还没有关于深度学习的系统介绍,为了给同学们讲好这门课,邱教授自己梳理了深度学习的相关知识,整理成一本讲义,这本讲义经过后来的修改补充,变成了我们现在看到的《神经网络与深度学习》教材。

目前,这本书分为 16 个章节,主要内容是神经网络与深度学习中的基础知识、主要模型(前馈网络、卷积网络、循环网络等)以及在计算机视觉、自然语言处理等领域的应用。雷锋网雷锋网

具体章节内容如下:

绪论 [ppt] (updated 2019-4-4)

机器学习概述 [ppt] (updated 2019-4-4)

线性模型 [ppt] (updated 2019-4-4)

前馈神经网络 [ppt] (updated 2019-4-4)

卷积神经网络 [ppt] (updated 2019-4-4)

循环神经网络 [ppt] (updated 2019-4-4)

网络优化与正则化 [ppt] (updated 2019-4-4)

注意力机制与外部记忆 [ppt] (updated 2019-4-4)

无监督学习 [ppt] (updated 2019-4-4)

模型独立的学习方式 (updated 2019-4-4)

概率图模型 [ppt] (updated 2019-4-4)

深度信念网络 [ppt] (updated 2019-4-4)

深生成模型 [ppt] (updated 2019-4-4)

深度强化学习 [ppt] (updated 2019-4-4)

序列生成模型 (updated 2019-4-4) 一个过时版本:词嵌入与语言模型

数学基础 (updated 2019-4-4)

为了方便同学们学习,邱教授不仅在 github 上面提供了这本书的 PDF 版本文件,还提供了介绍课程主要内容的 PPT 和 PDF 文档。

TB1E.sDQ6DpK1RjSZFrXXa78VXa.png

不仅如此,本书还配套了详尽的示例代码。对应于书籍中的每个章节,邱老师和精心设计了课程练习题,帮助同学们更好的理解和掌握相关章节的知识。雷锋网雷锋网

下面附上本书相关的资源链接:

github 资源:https://github.com/nndl/nndl.github.io

示例代码:https://github.com/nndl/nndl-codes

课程练习:https://github.com/nndl/exercise

接下来,让我们来预览下这本书的部分内容吧~

TB1fF._Q5LaK1RjSZFxXXamPFXa.jpg TB16a8Lee3tHKVjSZSgXXX4QFXa.jpg

课程练习题:

TB1lYMNQ7voK1RjSZFDXXXY3pXa.png TB1JG3QQYrpK1RjSZTEXXcWAVXa.png TB1I5MVQ3HqK1RjSZFkXXX.WFXa.png

雷锋网版权文章,未经授权禁止转载。详情见转载须知。

目录
相关文章
|
2月前
|
机器学习/深度学习 自然语言处理 搜索推荐
深度学习的魔法:如何用神经网络解决复杂问题
在这篇文章中,我们将探讨深度学习的基本原理和它在各种领域中的应用。通过一些实际的例子,我们将看到深度学习如何帮助我们解决复杂的问题,如图像识别、自然语言处理和推荐系统等。我们还将讨论一些最新的研究成果和技术趋势,以及深度学习在未来可能面临的挑战和机遇。
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的卷积神经网络:从理论到实践
【10月更文挑战第35天】在人工智能的浪潮中,深度学习技术以其强大的数据处理能力成为科技界的宠儿。其中,卷积神经网络(CNN)作为深度学习的一个重要分支,在图像识别和视频分析等领域展现出了惊人的潜力。本文将深入浅出地介绍CNN的工作原理,并结合实际代码示例,带领读者从零开始构建一个简单的CNN模型,探索其在图像分类任务中的应用。通过本文,读者不仅能够理解CNN背后的数学原理,还能学会如何利用现代深度学习框架实现自己的CNN模型。
|
18天前
|
机器学习/深度学习 人工智能 算法框架/工具
深度学习中的卷积神经网络(CNN)及其在图像识别中的应用
【10月更文挑战第36天】探索卷积神经网络(CNN)的神秘面纱,揭示其在图像识别领域的威力。本文将带你了解CNN的核心概念,并通过实际代码示例,展示如何构建和训练一个简单的CNN模型。无论你是深度学习的初学者还是希望深化理解,这篇文章都将为你提供有价值的见解。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
深入理解深度学习中的卷积神经网络(CNN)
深入理解深度学习中的卷积神经网络(CNN)
|
1月前
|
机器学习/深度学习 自然语言处理 TensorFlow
深度学习的奥秘:探索神经网络背后的魔法
【10月更文挑战第22天】本文将带你走进深度学习的世界,揭示神经网络背后的神秘面纱。我们将一起探讨深度学习的基本原理,以及如何通过编程实现一个简单的神经网络。无论你是初学者还是有一定基础的学习者,这篇文章都将为你提供有价值的信息和启示。让我们一起踏上这段奇妙的旅程吧!
|
1月前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
74 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
深度学习中的卷积神经网络(CNN)及其应用
【10月更文挑战第21天】本文旨在深入探讨深度学习领域的核心组成部分——卷积神经网络(CNN)。通过分析CNN的基本结构、工作原理以及在图像识别、语音处理等领域的广泛应用,我们不仅能够理解其背后的技术原理,还能把握其在现实世界问题解决中的强大能力。文章将用浅显的语言和生动的例子带领读者一步步走进CNN的世界,揭示这一技术如何改变我们的生活和工作方式。
|
2月前
|
机器学习/深度学习 人工智能 监控
深入理解深度学习中的卷积神经网络(CNN):从原理到实践
【10月更文挑战第14天】深入理解深度学习中的卷积神经网络(CNN):从原理到实践
113 1
|
19天前
|
机器学习/深度学习 人工智能 自动驾驶
深入解析深度学习中的卷积神经网络(CNN)
深入解析深度学习中的卷积神经网络(CNN)
35 0
|
2月前
|
机器学习/深度学习 人工智能 算法
揭开深度学习与传统机器学习的神秘面纱:从理论差异到实战代码详解两者间的选择与应用策略全面解析
【10月更文挑战第10天】本文探讨了深度学习与传统机器学习的区别,通过图像识别和语音处理等领域的应用案例,展示了深度学习在自动特征学习和处理大规模数据方面的优势。文中还提供了一个Python代码示例,使用TensorFlow构建多层感知器(MLP)并与Scikit-learn中的逻辑回归模型进行对比,进一步说明了两者的不同特点。
74 2