IBM沃森研究员Charu最新2018著作《神经网络与深度学习》，512页带你学习业界算法实战经验(附下载)

Charu C. Aggarwal是IBM沃森研究中心的杰出研究员，其最新深度学习著作《Neural Networks and Deep Learning》，共512页从一线工业界讲述了深度神经网络的基础、训练、泛化，以及CNN、RNN和强化学习，还包括注意力机制、GAN等最新主题，以及AlphaGo Zero等应用。这本书一份非常值得收藏的深度学习资料。

本书涵盖了深度学习的古典模型和现代模型。这本书的章节涵盖了三个方面:

• 神经网络基本知识: 许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章重点介绍了传统机器学习与神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统被证明是神经网络的特殊情况。这些方法与最新的特征工程方法如word2vec一起被研究。

• 神经网络的基础: 训练和正则化的详细讨论在第3章和第4章提供。第5章和第6章介绍了径向基函数(RBF)网络和受限的玻尔兹曼机。

• 神经网络的高级主题: 第7章和第8章讨论循环神经网络和卷积神经网络。第9章和第10章介绍了几个高级主题，如深度强化学习、神经图灵机、Kohonen自组织映射和生成对抗网络。

这本书是为研究生、研究人员和实践者写的。大量的练习与解决手册一起可用来帮助课堂教学。在可能的情况下，突出显示以应用程序为中心的视图，以便理解每种技术的实际用途。