周末联合图灵教育做个新书活动，送5本《深度学习的数学》，规则和之前一样，直接抽，公众号后台回复「读书」, 弹出抽奖小程序后点击参与，开奖时间是后天晚上8点，也就是5月28号周二20点开奖。中奖用户必须是AINLP公众号粉丝，否则视为自动放弃，请中奖的同学添加微信号 "AINLP2" ，再确认一下快递信息，过期不候。最后感谢本次活动的赞助者「图灵教育」。
以下是《深度学习的数学》的相关介绍：
作者：涌井良幸、涌井贞美
译者：杨瑞龙
结合235幅插图和大量示例
基于Excel实践，直击神经网络根本原理
本书内容：书中基于丰富的图示和具体示例，通俗地介绍了深度学习相关的数学基础知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的最优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。
本书特色：
1. 图文直观：穿插235幅插图和大量具体示例讲解，对易错点、重点反复说明，通俗易懂。
2. 结合Excel实践：书中使用Excel进行理论验证，读者可下载随书附带的Excel示例文件，亲自动手操作，直观地体验深度学习。
3. 只需基础的数学知识：适合数学基础薄弱的深度学习初学者阅读，有一定基础的读者也可以通过本书加深理解。
本书正确使用方法：
本书的目的在于提供理解神经网络所需的数学基础知识。为了便于读 者直观地理解，书中使用大量图片，并通过具体示例来介绍。因此， 本书将数学的严谨性放在第二位。
深度学习的世界是丰富多彩的，本书主要考虑阶层型神经网络和卷积 神经网络在图像识别中的应用。
本书将Sigmoid 函数作为激活函数，除此之外也可以考虑其他函数。
本书以最小二乘法作为数学上的最优化的基础，除此之外也可以考虑 其他方法。
神经网络可分为有监督学习和无监督学习两类。本书主要讲解有监督 学习。
人工智能相关的文献之所以难读，其中一个原因就是各文献所用的符 号不统一。本书采用的是相关文献中常用的符号。
本书使用Excel 进行理论验证。Excel 是一个非常优秀的工具，能够在 工作表上可视化地展现逻辑，有助于我们理解。因此，相应的项目需 要以Excel 的基础知识为前提。
作译者介绍：
涌井良幸（作者）：1950年生于东京，毕业于东京教育大学（现筑波大学）数学系，现为自由职业者。著有《用Excel学深度学习》（合著）、《统计学有什么用？》等。
涌井贞美（作者）：1952年生于东京，完成东京大学理学系研究科硕士课程，现为自由职业者。著有《用Excel学深度学习》（合著）、《图解贝叶斯统计入门》等。
杨瑞龙（译者）：1982年生，2008年北京大学数学科学学院硕士毕业，软件开发者，从事软件行业10年。2013年～2016年赴日工作3年，从2016年开始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。
本书目录：
第1章 神经网络的思想
1.1 神经网络和深度学习 2
1.2 神经元工作的数学表示 6
1.3 激活函数：将神经元的工作一般化 12
1.4 什么是神经网络 18
1.5 用恶魔来讲解神经网络的结构 23
1.6 将恶魔的工作翻译为神经网络的语言 31
1.7 网络自学习的神经网络 36
第2章 神经网络的数学基础
2.1 神经网络所需的函数 40
2.2 有助于理解神经网络的数列和递推关系式 46
2.3 神经网络中经常用到的Σ符号 51
2.4 有助于理解神经网络的向量基础 53
2.5 有助于理解神经网络的矩阵基础 61
2.6 神经网络的导数基础 65
2.7 神经网络的偏导数基础 72
2.8 误差反向传播法必需的链式法则 76
2.9 梯度下降法的基础：多变量函数的近似公式 80
2.10 梯度下降法的含义与公式 83
2.11 用Excel体验梯度下降法 91
2.12 最优化问题和回归分析 94
第3章 神经网络的最优化
3.1 神经网络的参数和变量 102
3.2 神经网络的变量的关系式 111
3.3 学习数据和正解 114
3.4 神经网络的代价函数 119
3.5 用Excel体验神经网络 127
第4章 神经网络和误差反向传播法
4.1 梯度下降法的回顾 134
4.2 神经单元误差δ∧l∨j 141
4.3 神经网络和误差反向传播法 146
4.4 用Excel 体验神经网络的误差反向传播法 153
第5章 深度学习和卷积神经网络
5.1 小恶魔来讲解卷积神经网络的结构 168
5.2 将小恶魔的工作翻译为卷积神经网络的语言 174
5.3 卷积神经网络的变量关系式 180
5.4 用Excel体验卷积神经网络 193
5.5 卷积神经网络和误差反向传播法 200
5.6 用Excel体验卷积神经网络的误差反向传播法 212
推荐阅读：褥当当羊毛：170元购400元书
