资源 | 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

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。

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。

具体章节内容如下：（各章节 PPT 下载见 https://nndl.github.io/ ）

1. 绪论 [ppt] (updated 2019-4-4)
   

2. 机器学习概述 [ppt] (updated 2019-4-4)
   

3. 线性模型 [ppt] (updated 2019-4-4)
   

4. 前馈神经网络 [ppt] (updated 2019-4-4)
   

5. 卷积神经网络 [ppt] (updated 2019-4-4)
   

6. 循环神经网络 [ppt] (updated 2019-4-4)
   

7. 网络优化与正则化 [ppt] (updated 2019-4-4)
   

8. 注意力机制与外部记忆 [ppt] (updated 2019-4-4)
   

9. 无监督学习 [ppt] (updated 2019-4-4)
   

10. 模型独立的学习方式 (updated 2019-4-4)
    

11. 概率图模型 [ppt] (updated 2019-4-4)
    

12. 深度信念网络 [ppt] (updated 2019-4-4)
    

13. 深生成模型 [ppt] (updated 2019-4-4)
    

14. 深度强化学习 [ppt] (updated 2019-4-4)
    

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

16. 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。

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。

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~

课程练习题：

点击阅读原文，查看 2018秋季CS294-112深度强化学习 课程学习小组