├── 第一章.md ├── README.md ├── 前言.md ├── 练习和思考题.md └── 关于.md /第一章.md: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/findmyway/ch-neural-networks-and-deep-learning/master/第一章.md -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | 从神经网络到深度学习 2 | ==================================== 3 | 4 | 计划翻译一本关于神经网络和深度学习的小书。目前该书的作者仍在写作中，但通过前两章的阅读， 5 | 我对作者很有信心。 6 | 7 | 给自己定个计划，每天翻译一小段，不论多少，看自己能坚持多久~ 8 | 9 | 加油~ 10 | -------------------------------------------------------------------------------- /前言.md: -------------------------------------------------------------------------------- 1 | 《从神经网络到深度学习》是一本免费的在线电子书，本书将教会你： 2 | 3 | - **神经网络**，一种基于生物学的编程方法，它能让计算机从观测到的数据中进行学习 4 | 5 | - **深度学习**，一系列从神经网络中进行学习的强大技巧 6 | 7 | 目前，神经网络和深度学习在图像识别、语音识别和自然语言处理等领域中有很好的效果。本书将教会你神经网络和深度学习中的所有核心概念。 8 | 9 | 这本书目前还没写完，更多的章节将在接下来的几个月里完成。到目前为止，已完成的内容如下： 10 | 11 | - 关于，介绍了本书的写作目的和写作方式 12 | 13 | - 第一章，解释了神经网络是如何识别手写数字的 14 | 15 | - 第二章，解释了神经网络中最重要的算法，反向传播 16 | -------------------------------------------------------------------------------- /练习和思考题.md: -------------------------------------------------------------------------------- 1 | #关于练习和思考题 2 | 3 | 大多数技术类的书的作者都会认为，读者应该做一些练习和思考题。当我自己看到这类提示的时候，总会感觉有些奇怪。如果我不做练习和思考题的话有什么坏处吗？显然，我会省下一些时间，但这是以理解问题的深度作为代价的。有时候这是值得的，但有时候却不一定。 4 | 5 | 那么本书呢？我的建议是，你应该尽量完成所有的练习题部分，但**不必**完成所有的思考题。 6 | 7 | 你应该尽量完成所有的练习题是因为这些练习题都很基础，如果你不能顺利地解答某个练习题，那么你很可能漏掉了一些基础的知识。当然，如果只是意外地被某个问题给卡住了，没关系，接着往下看就是了，很可能那不过是个理解上的小问题，又或者是我没有把问题表达清楚。如果某个问题让你很困惑，那你很可能需要回过头重新看看前面的内容。 8 | 9 | 至于思考题嘛，那是另外一回事。它们要比联系难得多，你很可能要花些脑筋在上面。这很烦人，不过，要想真正深入地理解某些概念，也只能硬着头皮上了。 10 | 11 | 也就是说，我并不建议解决所有的思考题。一种更好的方式是找到你自己的实际项目。你可能利用神经网络来解决音乐分类问题，或是股票预测之类的问题等。然后你可忽略本书中提到的思考题，或是用这些思考题来指导你自己的项目。把精力花在你所感兴趣的问题上，你得到的收获将会比做完所有的思考题带来的收获大得多~充分发挥主观能动性~~~ 12 | 13 | 当然，目前你脑海里可能还没有这么一个合适的项目。不过没关系，把精力花在那些你认为有意思的思考题上面，然后借助本书的知识来构造属于自己的充满创造力的项目。 14 | -------------------------------------------------------------------------------- /关于.md: -------------------------------------------------------------------------------- 1 | #关于本书 2 | 3 | 神经网络是目前为止最优美的编程范式之一。在一般的编程方法中，我们将一个大问题拆分成一个个小的任务并告诉计算机如何去执行，然而在神经网络中，我们并不用告诉计算机具体怎么去解决问题。事实上，神经网络直接从观测到的数据中进行学习并找到具体问题的解决方案。 4 | 5 | 自动从数据中去学习，嗯，听起来很屌。但是在2006年以前，神经网络除了在一些具体的问题上有所突破外，根本没法超越一些传统的方法。直到2006年深度神经网络概念的提出，神经网络才有了突破性的进展。也就是我们现在经常说的深度学习。随着相关研究的深入，深度学习在计算机视觉、语音识别和自然语言处理等领域中取得了很好的效果。目前深度学习已经被谷歌、微软以及百度等大公司采用。 6 | 7 | 本书的目的是帮助你掌握神经网络中的一些核心概念，包括深度学习中的一些技巧。读完本书后，你将学会使用神经网络并动手写代码来解决复杂的模式识别问题。同时你将牢固掌握神经网络和深度学习的基础，用于解决自己的实际问题。 8 | 9 | 本书坚持的三个原则是：以概念为导向；具有实用性；不仅仅描述神经网络中最最基础部分，同时融入其思想精髓。 10 | 11 | ##以概念为导向 12 | 13 | 深入了解神经网络和深度学习的核心概念，要比一系列模糊的印象强得多。一旦你掌握了最核心的部分，你就能轻易理解其他新的知识。拿编程语言来打个比方，这就像学习一门语言的核心语法、标准库、数据结构等，你可能只掌握了这个门语言中最核心的一小部分（通常一门语言都有巨多的库...）但是再学其它新的库和数据结构的时候就会轻易多了。 14 | 15 | 这就意味着，本书不会教你怎么使用某些具体的神经网络的库。如果你想通过本书学习这么一个库，拉倒吧。去看看那些库的文档和教程就足够了。但是！如果你想理解神经网络到底是怎么在工作，想知道它在未来几年内会有怎样的发展，那么仅仅是看库是不够滴。技术滴更新太快，唯有思想永存。（Technologies come and Technologies go, but insight is forever.) 16 | 17 | ##一种实用的方法 18 | 19 | 本书将通过解决一个实际问题来学习神经网络和深度学习背后的核心概念：如何让计算机识别手写字。对于传统的编程方法来说，这个问题相当困难。接下来你会发现，借助简单的神经网络，在不调用其它库的条件下，我们只需要短短几十行代码就能搞定。在此基础上我们对该代码一点点改进，逐步深入到神经网络和机器学习的核心思想中去。 20 | 21 | 这种实用的方法意味着你需要一定的编程经验来阅读本书。当然，并不需要你是个编程高手，本书的代码用python语言写成，就算你不怎么懂python也能够轻易理解。在整本书中我们将构建一个神经网络的库，用于实验和构建对神经网络的理解。所有的源码都可以在[这里](https://github.com/mnielsen/neural-networks-and-deep-learning)下载。读完本书后，你将很容易掌握实际项目中使用的任意一个神经网络库。我会在本书的最后列出这些库。 22 | 23 | 另外，本书对数学基础要求并不高。本书大多数章节都包含一些数学知识，不过都是一些简单的计算和函数处理，我相信大多数读者应该没有问题。偶尔会涉及到一些高等数学的知识，不过亲放心，我已经组织好了这些材料，即使你对这些知识很陌生也没有关系。用到数学知识最多的是第二章，需要一定的微积分和线性代数基础。如果该部分内容对你来说难度太大了，你可以直接跳到该章的总结部分。总的来说，你不必太担心数学基础这一块。 24 | 25 | 对于一本书来说，很难同时做到既把概念讲得很透彻，又手把手教你怎么去实践。但我相信，如果理解透彻了神经网络的基本思想，必定受益无穷。本书教你写的代码是实际可以用的代码，而不是神马伪代码，你可以对这些代码自由扩展。也即是说，在掌握基础的过程中，理论和实践结合，从而学的更多。 26 | 27 | ##一次智力冒险 28 | 29 | 本书主要关注神经网络和机器学习的基础部分，掌握这些基础内容后将有助于解决实际问题。但是同时你要知道，神经网络是人类关于大脑工作原理的又一次探索。如果仅仅把神经网络当做是解决某些具体问题的又一种方法，那这想法也太俗了...我们将带着好奇心和勇气，深入地思考一些问题：会不会有一天，神经网络带来真正的人工智能？我们能不能用神经网络来模拟人的大脑？深度学习和生物学中的学习有什么关系？智力是否就是一系列基础知识和想法的融合？没有人能回答这些问题。但我们将带着这些问题，满怀激情与好奇心，去取探索这些未知... 30 | --------------------------------------------------------------------------------