点击上方“CVer”，选择加"星标"或“置顶”

重磅干货，第一时间送达

前言

Amusi 在2019年4月6日逛知乎时，发现关注的邱锡鹏教授发了一篇推文《神经网络与深度学习》，点进去一看，发现了”宝藏“！

于是便立即联系了邱教授，询问是否可以将这份资源转发或者介绍给大家。邱教授也很爽快，没过多久就给了肯定的答复。

这里简单介绍一下邱锡鹏教授：

副教授，博士生导师，复旦大学计算机科学技术学院，自然语言处理与深度学习组。目前主要从事自然语言处理、深度学习等方向的研究，在ACL、EMNLP、AAAI、IJCAI等计算机学会A/B类期刊、会议上发表50余篇学术论文。

个人信息来源：https://xpqiu.github.io/

下面看看邱锡鹏教授介绍《神经网络与深度学习》的知乎原文

https://zhuanlan.zhihu.com/p/61591812

正文

整本书终于写完了，虽然还有很多不足。但先告一段落，不然就得无限期拖延下去。感谢众多热心网友的意见和建议。全书的内容可以从这里（nndl.github.io/）下载。个人能力有限，书中难免有不当和错误之处，还望读者海涵和指正，不胜感激。

本书最早是我三年前放在网上的一本很粗浅的讲义。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，当时还没有关于深度学习的系统介绍。讲好深度学习并不是一件容易的事，课程涉及知识点非常多并且比较杂乱，也和实践结合十分紧密。作为任课教师，我尝试将梳理了深度学习的知识体系，并写了一本讲义放在网络上。虽然现在看起来当时对深度学习的理解仍然十分粗浅，且讲义存在很多错误，但依然受到了很多热心网友的反馈和鼓励。写书不是一件容易的事，一方面是深度学习的发展十分迅速，而自己关于深度学习的认知也不断变化，导致已写好的内容经常需要修改，另一方面是平时的科研工作十分繁忙，很难抽出大段的时间来静心写作，因此断断续续的写作一直拖延至今。

本书主要介绍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。全书共15章，可以作为一学期的课程进行讲授。

第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者对相关知识进行全面的了解。
第2、3章介绍了机器学习的基础知识。
第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。在第6章中略提了下图网络的内容。
第7章介绍神经网络的优化与正则化方法。
第8章介绍神经网络中的注意力机制和外部记忆。
第9章简要介绍了一些无监督学习方法。
第10章中介绍一些和模型独立的机器学习方法：集成学习、协同学习、自学习、多任务学习、迁移学习、终身学习、小样本学习、元学习等。这些都是目前深度学习的难点和热点问题。
第11章介绍了概率图模型的基本概念，为后面的章节进行铺垫。
第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络。
第13章介绍最近两年发展十分迅速的深度生成模型：变分自编码器和对抗生成网络。
第14章介绍了深度强化学习的知识。
第15章介绍了应用十分广泛的序列生成模型。