极市送书｜深度学习入门经典，复旦邱锡鹏教授力作：《神经网络与深度学习》

终于迎来端午小长假，可以给宕机的大脑充充电。虽然极市的开发者们大多都已经在深度学习领域颇有研究，但是基础知识常看常新，总会有些地方值得进一步巩固。

因此，在这个端午节，极市为大家准备了一份学习礼物：5本深度学习入门经典“蒲公英书”：《神经网络与深度学习》，赠送给极市的忠实读者，获取方式见文末。

《神经网络与深度学习》是深度学习领域入门的经典教材，它系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的相关知识，提高以深度学习技术来解决实际问题的能力。

书籍推荐

1. 复旦大学邱锡鹏教授基于优秀科研和教学实践，历时5年时间静心写作、不断完善，深受好评的深度学习讲义“蒲公英书”正式版；

2. 字节跳动AI实验室主任李航、南京大学周志华教授、复旦大学吴立德教授强力推荐；

3. 系统整理深度学习的知识体系，从机器学习基础、神经网络模型以及概率图模型三个层面来串联深度学习所涉及的知识点，兼具系统性、条理性和全面性；

4. 适合自学与入门。在网站上配套了教学PPT以及针对每章知识点的编程练习，理论和实践结合，加深读者对知识的理解，并提高问题求解能力；

5. 内容安排由浅入深，语言表达通俗易懂，排版布局图文并茂，全彩印刷装帧精美。

内容简介

引用邱锡鹏教授本人对《神经网络与深度学习》的内容介绍：

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、多任务学习、迁移学习、终生学习、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。

作者介绍

邱锡鹏

复旦大学计算机科学技术学院教授、博士生导师。主要研究领域包括自然语言处理、机器学习、深度学习等，在相关领域的权威国际期刊、会议上发表学术论文60余篇，获得计算语言学国际会议ACL 2017杰出论文奖、全国计算语言学会议CCL 2019最佳论文奖。

适读人群

1.高校人工智能等相关专业方向的本科生和研究生；

2.深度学习/机器学习/AI算法/自然语言处理工程师；

3.从事机器学习和自然语言处理研究的专业人员；

4.其他对深度学习和神经网络感兴趣的人员。

极市赠书

点击在看并留言，写下自己深度学习的心得感悟，极小东将精选符合条件的留言进行展示，并向点赞最高的前5名读者赠送此书（截至6月29日20点）。没有被抽到的开发者可以通过扫描下方二维码或点击阅读原文进行购买。

注：点赞排名以第一条留言为准，补充留言将不计入统计。