想和你聊一下这本豆瓣评分10的书

2018 年 11 月 16 日 图灵教育

To 图灵教育1分钟前

豆瓣评分10,你倒真敢说呀,这意思代表你的书完美得无懈可击呗!


别说有读者不信,刚开始,我也不信。


8月份,图灵出版了几本深度学习相关图书,有日语组《深度学习入门》,英语组《Python深度学习》,还有原创《美团机器学习实践》......


前两天逛豆瓣的时候,看到了这样的一幕:

作为出版方,我停顿了一下,并没有很开心。好像潜意识里默认:越接近完美的评分可能越水。直到今天,又有读者给了五星评价,评分升到了10,/不可思议.jpg

这种冲击持续了二十多秒,期间我一遍遍翻看着读者的评价,突然之间我想通了:评分10就一定很水吗?NO!NO!这也不能代表书一定很完美,但这一定代表读者的一种态度:

一种记录自己阅读体验的态度;

一种对本书价值认可的态度;

一种遇到了好书想要分享的态度......


今天我们就抱着这样的态度聊一下这本豆瓣评分10的书。


> > > >

这是一本什么书?



这是一本英文版引进的Python深度学习入门书,英文版书名:Deep Learning with Python,由Keras 之父、Google 人工智能研究员 François Chollet 著作,在豆瓣评分9.4,是亚马逊【语音与音频处理】畅销榜榜首图书。在18年8月份图灵上架了中文版。


Keras 是最受欢迎且发展最快的深度学习框架之一,被广泛推荐为上手深度学习的最佳工具。


> > > >

为什么要写这本书?作者这样说


2015 年 3 月,我发布了 Keras 深度学习框架的第一版,当时还没有想过人工智能的大众化。我在机器学习领域已经做了多年的研究,创造 Keras 是为了帮我自己做实验。但在 2015—2016 年,数万名新人进入了深度学习领域,其中很多人都选择了 Keras,因为它是最容易上手的框架(现在仍然是)。看到大量新人以意想不到的强大方式使用 Keras,我开始密切关注人工智能的可达性和大众化。我意识到,这些技术传播得越广,就会变得越有用、越有价值。可达性很快成为 Keras 开发过程中的一个明确目标,在短短几年内,Keras 开发者社区已经在这方面取得了了不起的成就。我们让数万人掌握了深度学习


《Python深度学习》这本书,也是为了让尽可能多的人能够使用深度学习而写的。Keras 一直需要一个配套教程,同时涵盖深度学习的基础知识、Keras 使用模式以及深度学习的最佳实践。本书是我尽最大努力制作的这么一本教程。本书的重点是用尽可能容易理解的方式来介绍深度学习背后的概念及其实现。我这么做没有贬低任何事情的意思,我坚信深度学习中没有难以理解的东西。希望本书对你有价值,能够帮助构建智能应用程序并解决那些对你很重要的问题。


> > > >

谁应该阅读这本书?


本书的目标读者是那些具有 Python 编程经验,并且想要开始上手机器学习和深度学习的人。但本书对以下这些读者也都很有价值。


  • 如果你是熟悉机器学习的数据科学家,你将通过本书全面掌握深度学习及其实践。深度学习是机器学习中发展最快、最重要的子领域。

  • 如果你是想要上手 Keras 框架的深度学习专家,你会发现本书是市面上最棒的 Keras 速成教程。

  • 如果你是研究深度学习的研究生,你会发现本书是对你所受教育的实践补充,有助于你培养关于深度神经网络的直觉,还可以让你熟悉重要的最佳实践。


有技术背景的人,即使不经常编程,也会发现本书介绍的深度学习基本概念和高级概念非常有用。


使用 Keras 需要具有一定的 Python 编程水平。另外,熟悉 Numpy 库也会有所帮助,但并不是必需的。你不需要具有机器学习或深度学习方面的经验,本书包含从头学习所需的必要基础知识。你也不需要具有高等数学背景,掌握高中水平的数学知识应该足以看懂本书内容。


> > > >

本书学习路线图


本书分为两部分。如果你之前没有关于机器学习的经验,我强烈建议你先读完第一部分,然后再阅读第二部分。我们会从简单示例讲起,然后再依次介绍越来越先进的技术。


第一部分是对深度学习的介绍,给出了一些背景和定义,还解释了上手机器学习和神经网络需要掌握的所有概念。


  • 第 1 章介绍人工智能、机器学习和深度学习的重要背景知识。

  • 第 2 章介绍从事深度学习必须了解的基本概念:张量、张量运算、梯度下降和反向传播。这一章还给出了本书第一个可用的神经网络示例。

  • 第 3 章包括上手神经网络所需要了解的全部内容:Keras 简介,它是我们的首选深度学习框架;建立自己的工作站的指南;三个基本代码示例以及详细解释。读完这一章,你将能够训练简单的神经网络来处理分类任务和回归任务,你还将充分了解训练过程背后发生的事情。

  • 第 4 章介绍标准的机器学习工作流程。你还会了解常见的陷阱及其解决方案。


第二部分将深入介绍深度学习在计算机视觉和自然语言处理中的实际应用。这一部分给出了许多示例,对于在现实世界的实践中遇到的深度学习问题,你可以用这些示例作为解决问题的模板。


  • 第 5 章介绍了一系列实用的计算机视觉示例,重点放在图像分类。

  • 第 6 章介绍了处理序列数据(比如文本和时间序列)的实用技术。

  • 第 7 章介绍了构建最先进深度学习模型的高级技术。

  • 第 8 章介绍了生成式模型,即能够创造图像和文本的深度学习模型,它有时会产生令人惊讶的艺术效果。

  • 第 9 章将帮你巩固在本书学到的知识,还会探讨深度学习的局限性及其未来的可能性。


> > > >

本书中文版


本书中文版由张亮(hysic)翻译,他毕业于北京大学物理学院,是爱好机器学习和数据分析的核安全工程师,他还翻译过备受读者欢迎的《Python机器学习基础教程》和《Python数据处理》等书。


  • 30多个代码示例,带你全面掌握如何用深度学习解决实际问题

  • Keras框架速成的不二之选

  • 夯实深度学习基础,在实践中培养对深度神经网络的良好直觉

  • 无须机器学习经验和高等数学背景


本书详尽介绍了用Python和Keras进行深度学习的探索实践,包括计算机视觉、自然语言处理、产生式模型等应用,示例步骤讲解详细透彻。


本书立足于人工智能的可达性和大众化,读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后,读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。


试读:什么是深度学习


> > > >

我们离Python深度学习的距离只有一步


扫一扫,京东购


扫一扫,当当购


获取赠书

请留言:

你平时看完书会反馈图书评价吗?到豆瓣?到图灵社区还是到亚马逊?或者说说你已经入坑深度学习了吗?你为入坑深度学习做过哪些准备工作吗?

我们会在精选留言中随机挑选3位小伙伴获得赠书,截止到11月20日14:00。

欢迎大家在留言中畅所欲言。


☟ 更多深度学习相关图书

登录查看更多
9

相关内容

【高能所】如何做好⼀份学术报告& 简单介绍LaTeX 的使用
《深度学习》圣经花书的数学推导、原理与Python代码实现
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
159+阅读 · 2019年10月28日
深度学习界圣经“花书”《Deep Learning》中文版来了
专知会员服务
229+阅读 · 2019年10月26日
美亚上最受欢迎的 10 本神经网络书籍
大数据技术
16+阅读 · 2019年3月19日
Python好书有很多,这本却不得不提!
Linux中国
7+阅读 · 2018年9月4日
七本书籍带你打下机器学习和数据科学的数学基础
Python为啥这么牛?
Python程序员
3+阅读 · 2018年3月30日
深度学习(deep learning)发展史
机器学习算法与Python学习
12+阅读 · 2018年3月19日
2017年度图灵最受欢迎Python图书TOP10
图灵教育
5+阅读 · 2017年12月22日
手把手教TensorFlow(附代码)
深度学习世界
15+阅读 · 2017年10月17日
解密谷歌机器学习工程最佳实践——机器学习43条军规
人工智能头条
3+阅读 · 2017年9月19日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
9+阅读 · 2018年10月24日
Few Shot Learning with Simplex
Arxiv
5+阅读 · 2018年7月27日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
19+阅读 · 2018年3月28日
Arxiv
9+阅读 · 2018年1月4日
Arxiv
25+阅读 · 2017年12月6日
VIP会员
相关资讯
美亚上最受欢迎的 10 本神经网络书籍
大数据技术
16+阅读 · 2019年3月19日
Python好书有很多,这本却不得不提!
Linux中国
7+阅读 · 2018年9月4日
七本书籍带你打下机器学习和数据科学的数学基础
Python为啥这么牛?
Python程序员
3+阅读 · 2018年3月30日
深度学习(deep learning)发展史
机器学习算法与Python学习
12+阅读 · 2018年3月19日
2017年度图灵最受欢迎Python图书TOP10
图灵教育
5+阅读 · 2017年12月22日
手把手教TensorFlow(附代码)
深度学习世界
15+阅读 · 2017年10月17日
解密谷歌机器学习工程最佳实践——机器学习43条军规
人工智能头条
3+阅读 · 2017年9月19日
相关论文
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
9+阅读 · 2018年10月24日
Few Shot Learning with Simplex
Arxiv
5+阅读 · 2018年7月27日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
19+阅读 · 2018年3月28日
Arxiv
9+阅读 · 2018年1月4日
Arxiv
25+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员