摘要：新書中文版發(fā)布。譯者聲明中文翻譯經(jīng)過個多月，我們終于完成了翻譯草稿。注意各種問題或者建議可以提，建議使用中文?？捎糜趯W(xué)習(xí)研究目的，不得用于任何商業(yè)行為。

Yoshua Bengio 新書《Deep Learning》中文版發(fā)布。該書由北京大學(xué)張志華老師團隊負(fù)責(zé)翻譯。本書于學(xué)習(xí)研究目的，不得用于任何商業(yè)行為。

下載鏈接：https://github.com/exacity/deeplearningbook-chinese/raw/master/dlbook_cn_initial.pdf

這本書對各類讀者都一定用處的，但是有兩個主要目標(biāo)受眾。其一是學(xué)習(xí)機器學(xué)習(xí)的大學(xué)生（本科或研究生），包括那些開始了職業(yè)生涯的深度學(xué)習(xí)和人工智能的研究者。另一個目標(biāo)群體是沒有機器學(xué)習(xí)或統(tǒng)計背景但要迅速在他們的產(chǎn)品或平臺開始使用深度學(xué)習(xí)的軟件工程師。

——前言

本書被組織為三個部分：

第一部分介紹了基本的數(shù)學(xué)工具和機器學(xué)習(xí)的概念。

第二部分介紹了本質(zhì)上已解決的技術(shù)、最成熟的深度學(xué)習(xí)算法。

第三部分介紹了被廣泛認(rèn)為是深度學(xué)習(xí)未來研究重點的但更具猜測性的想法。

譯者聲明：

?

Deep Learning 中文翻譯

經(jīng)過 3 個多月，我們終于完成了翻譯草稿。當(dāng)然這是草稿中的草稿，我們會不斷改進，就像梯度下降一樣，要迭代好幾輪才能找的一個不錯的解。

目前的版本是直譯版，盡可能地保留原書中的每一個字。如

Inventors have long dreamed of creating machines that think. This desire dates back to at least the time of ancient Greece. 自古以來, 創(chuàng)造者就夢想著創(chuàng)造能思考的機器。這個愿望至少可以追溯到古希臘的時期。

之后我們可能會翻譯成：

遠(yuǎn)在古希臘的時期, 創(chuàng)造者就夢想著創(chuàng)造能思考的機器。

語句流暢度的提高必然伴隨精度下降（我們水平有限）。因此我們需要 ensemble，需要大家的建議。

面向的讀者

這一版讀起來肯定費勁，我們建議英文好的或者研究者直接讀原版。這一版面向的讀者是英語不好，急于想入門深度學(xué)習(xí)的同學(xué)。或者希望幫忙校對的各路大哥也可以讀讀，只要不嫌棄。

注意

各種問題或者建議可以提 issue，建議使用中文。由于版權(quán)問題，我們不能將圖片和 bib 上傳，請見諒?？捎糜趯W(xué)習(xí)研究目的，不得用于任何商業(yè)行為。謝謝！

TODO

翻譯圖片描述

鏈接補全

語句通順

第 20 章正在校對，這章比較難估計還需 2 周

Updating.....

鏈接：https://github.com/exacity/deeplearningbook-chinese

本書目錄：

第一章、前言

第二章、線性代數(shù)

第三章、概率與信息

第四章 、數(shù)值計算

?第五章、機器學(xué)習(xí)基礎(chǔ)

第六章、深度前饋網(wǎng)絡(luò)

第七章、深度學(xué)習(xí)的正則化?

第八章、深度模型中的優(yōu)化

第九章、卷積神經(jīng)網(wǎng)絡(luò)?

第十章、序列建模：循環(huán)和遞歸網(wǎng)絡(luò)

第十一章、實用方法

第十二章、應(yīng)用

第十三章、linear factor

第十四章、自動編碼?

第十五章、表征學(xué)習(xí)

第十六章、結(jié)構(gòu)概率模型?

第十七章、monte carlo 方法

第十八章、面對區(qū)分函數(shù)

第十九章、近似推斷

原文來自：https://github.com/exacity/deeplearningbook-chinese

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價值的辦法，實際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報表系統(tǒng)等全方位知識

QQ群：81035754