【赠书】深度学习的数学

2019 年 5 月 26 日 AINLP

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