点击上方“AI遇见机器学习”，选择“星标”公众号
重磅干货，第一时间送达
一、资源简介
《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
作者简介
Ian Goodfellow，谷歌公司(Google) 的研究科学家，2014 年蒙特利尔大学机器学习博士。他的研究兴趣涵盖大多数深度学习主题，特别是生成模型以及机器学习的安全和隐私。
Yoshua Bengio，蒙特利尔大学计算机科学与运筹学系(DIRO) 的教授，蒙特利尔学习算法研究所(MILA) 的负责人，CIFAR 项目的共同负责人，加拿大统计学习算法研究主席。
Aaron Courville，蒙特利尔大学计算机科学与运筹学系的助理教授，也是LISA 实验室的成员。
中文开源官网：
https://github.com/exacity/deeplearningbook-chinese
二、主要内容
下面是一些目录：
第 1 章 引言
第 1 部分 应用数学与机器学习基础
第 2 章 线性代数
第 3 章 概率与信息论
第 4 章 数值计算
第 5 章 机器学习基础
第 6 章 深度前馈网络
第 7 章 深度学习中的正则化
第 8 章 深度模型中的优化
第 9 章 卷积网络
第 10 章 序列建模：循环和递归网络
第 11 章 实践方法论
第 12 章 应用
第 13 章 线性因子模型
第 14 章 自编码器
三、资源分享
同时为了方便大家，我们把最新资料打包好了，可以直接下载哦~
获取方式：
1. 关注我们的公众号“AI遇见机器学习”
2. 后台回复“中文深度学习” 即可以获取资料哈~（建议复制，避免错字）
推荐阅读
干货|学术论文怎么写
资源|NLP书籍及课程推荐（附资料下载）
干货|全面理解N-Gram语言模型
资源|《Machine Learning for OpenCV》书籍推荐
欢迎关注我们，看通俗干货！
