深度學(xué)習(xí)為世界上的智能系統(tǒng)（比如Google Voice胶台、Siri和Alexa）提供了動力歼疮。隨著硬件（如GPU）和軟件框架（如PyTorch、Keras诈唬、TensorFlow和CNTK）的進(jìn)步以及大數(shù)據(jù)的可用性韩脏，人們在文本、視覺和分析等領(lǐng)域更容易實(shí)施相應(yīng)問題的解決方案铸磅。
使用文本數(shù)據(jù)分詞赡矢、向量化，通過構(gòu)建情感分類器訓(xùn)練詞向量阅仔，下載IMDB數(shù)據(jù)并對文本分詞吹散，構(gòu)建詞表生成向量的批數(shù)據(jù)，使用詞向量創(chuàng)建網(wǎng)絡(luò)模型霎槐，訓(xùn)練模型送浊，使用預(yù)訓(xùn)練的詞向量，下載詞向量丘跌，在模型中加載詞向量袭景，凍結(jié)embedding層權(quán)重，遞歸神經(jīng)網(wǎng)絡(luò)（RNN）闭树，LSTM耸棒，長期依賴，LSTM網(wǎng)絡(luò)报辱，基于序列數(shù)據(jù)的卷積網(wǎng)絡(luò)与殃。
使用PyTorch輕松開發(fā)深度學(xué)習(xí)應(yīng)用程序，推薦學(xué)習(xí)《Pytorch 深度學(xué)習(xí)》碍现。
Pytorch框架《Pytorch 深度學(xué)習(xí)》中文PDF+英文PDF+mobi+epub+源代碼
《Pytorch 深度學(xué)習(xí)》中文PDF幅疼，212頁，帶目錄昼接，文字可復(fù)制爽篷；《Pytorch 深度學(xué)習(xí)》英文PDF，250頁慢睡，帶目錄逐工，文字可復(fù)制铡溪；配套源代碼。
下載: https://pan.baidu.com/s/1a6HUgw0DR1jvLcQmkejhPQ? ?提取碼: wpxm
《Pytorch 深度學(xué)習(xí)》對當(dāng)今前沿的深度學(xué)習(xí)庫PyTorch進(jìn)行了講解泪喊。憑借其易學(xué)習(xí)性棕硫、高效性以及與Python開發(fā)的天然親近性，PyTorch獲得了深度學(xué)習(xí)研究人員以及數(shù)據(jù)科學(xué)家們的關(guān)注袒啼。從PyTorch的安裝講起哈扮，然后介紹了為現(xiàn)代深度學(xué)習(xí)提供驅(qū)動力的多個(gè)基礎(chǔ)模塊，還介紹了使用CNN蚓再、RNN灶泵、LSTM以及其他網(wǎng)絡(luò)模型解決問題的方法。對多個(gè)先進(jìn)的深度學(xué)習(xí)架構(gòu)的概念（比如ResNet对途、DenseNet、Inception和Seq2Seq）進(jìn)行了闡述髓棋，但沒有深挖其背后的數(shù)學(xué)細(xì)節(jié)实檀。與GPU計(jì)算相關(guān)的知識、使用PyTorch訓(xùn)練模型的方法按声，以及用來生成文本和圖像的復(fù)雜神經(jīng)網(wǎng)絡(luò)（如生成網(wǎng)絡(luò)）膳犹，也有所涵蓋。
概率圖模型結(jié)合了概率論與圖論的知識签则，提供了一種簡單的可視化概率模型的方法须床，在人工智能、機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺等領(lǐng)域有著廣闊的應(yīng)用前景渐裂。
《概率圖模型基于R語言》中文PDF+英文PDF+源代碼：《概率圖模型基于R語言》中文PDF豺旬，199頁，帶書簽?zāi)夸浧饬梗淖挚梢詮?fù)制族阅。《概率圖模型基于R語言》英文PDF膝捞，250頁坦刀，帶書簽?zāi)夸洠淖挚梢詮?fù)制蔬咬。配套源代碼鲤遥。
下載: https://pan.baidu.com/s/1_NEP6w1Ex14QqQm_Y5uYUg? 提取碼: 7u9y
《概率圖模型基于R語言》旨在幫助讀者學(xué)習(xí)使用概率圖模型，理解計(jì)算機(jī)如何通過貝葉斯模型和馬爾科夫模型來解決現(xiàn)實(shí)世界的問題林艘，同時(shí)教會讀者選擇合適的R語言程序包盖奈、合適的算法來準(zhǔn)備數(shù)據(jù)并建立模型”逼簦《概率圖模型基于R語言》適合各行業(yè)的數(shù)據(jù)科學(xué)家卜朗、機(jī)器學(xué)習(xí)愛好者和工程師等人群閱讀拔第、使用。
學(xué)習(xí)深度學(xué)習(xí)時(shí)场钉，我想《Python深度學(xué)習(xí)》應(yīng)該是大多數(shù)機(jī)器學(xué)習(xí)愛好者必讀的書蚊俺。書最大的優(yōu)點(diǎn)是框架性，能提供一個(gè)“整體視角”逛万，在腦中建立一個(gè)完整的地圖泳猬，知道哪些常用哪些不常用，再據(jù)此針對性地查漏補(bǔ)缺就比較方便了宇植，而如果直接查文檔面對海量的API往往會無所適從得封。
《Python深度學(xué)習(xí)》中文PDF，314頁指郁，帶目錄忙上，彩色配圖，文字能夠復(fù)制闲坎；英文PDF疫粥，386頁，帶目錄和書簽腰懂，彩色配圖梗逮，能夠復(fù)制；配套源代碼绣溜。
下載: https://pan.baidu.com/s/1AWvcyx9wt-T0Z1nzZNXHKA? ?提取碼: 8ams
更好的標(biāo)題應(yīng)為基于Keras的深度學(xué)習(xí)慷彤。全書分為兩大部分，第一部分是對于深度學(xué)習(xí)的全局介紹怖喻，包括其與人工智能底哗、機(jī)器學(xué)習(xí)的關(guān)系，一些相關(guān)的基本概念如張量(tensor)锚沸、梯度下降艘虎、神經(jīng)網(wǎng)絡(luò)、反向傳播算法等等咒吐。其中第三章舉了三個(gè)簡單的例子野建，分別對應(yīng)的任務(wù)是二分類、多分類和回歸恬叹，讓讀者快速了解 Keras 的基本使用方法候生，熟悉使用深度學(xué)習(xí)處理數(shù)據(jù)問題的典型流程。第二部分是關(guān)于深度學(xué)習(xí)在計(jì)算機(jī)視覺和自然語言處理中的實(shí)際應(yīng)用绽昼，重點(diǎn)講解卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)唯鸭，講了 VAE 和 GAN。
這些內(nèi)容從另外的角度闡述了一些有關(guān)梯度硅确，損失目溉，深度學(xué)習(xí)的應(yīng)用明肮，以及這些應(yīng)用帶給我們的啟示。所以也適合進(jìn)階缭付。
