对于讲解技术问题,最好方式就是列数学公式,或者直接上代码, 这本书都做到了,非常之好。
这本书对于代码的基础就是简单的python入门,当然,python本身就非常容易入门的。数学基础就是基础的高数数学的求导和简单的矩阵运算,与代码层面相反,对于这个大多数人都学过内容,记得的反而不多了。
第1 章 使神经络识别写数字----必须细看的第一章
从简单的感知器和S型神经元讲起,简单的数学公式, 清晰的示意图,介绍了机器学习求解的大杀器,梯度下降,然后介绍了一个百十来行的代码, 包括一步步的实践尝试。作为最简单的神经网络的入门,其实这一章就够了。
第2章 Backpropagation,BP神经网络----可以略过的第二章
神经网络求解的基础,当然以前也看过来别的数,但是看完了四个基本方程,确实体会到了一种从本质上了解的感觉,当然,也可以根据作者所说的,公式太多,pass这一章,不太影响后面学习。
第3章 改进神经络的学习法--------实际要使用的有用技巧
这个是在实际使用神经网络方面要做的大量工作,作者介绍了交叉熵, 防止过拟合, 正则化方法,权重初始化的问题,关于学习速率调整的问题,如果你想真正work一个神经网络这一章必不可少。
第4章 神经络可以计算任何函数的可视化证明--------加深了解的一章
如果你想问为什么神经网络可以工作, 这一章对于 加深了解非常重要,如果不care的话,其实也可以pass。
第5章 深度神经络为何很难训练----从神经网络到深度学习的过度
这里面开始到了深度学习,其实还是数学问题,如果pass了第三章,那这章也一起pass吧,介绍了梯度消失和梯度爆炸的原理,写得很好。
第6章 深度学习-----真正旅程的起点
严格来说这章名字应该叫深度学习入门--CNN,只介绍了卷积神经网络,而且不同于前面章节,对于数学原理也没有介绍,但是介绍了其主要步骤。然后提到了RNN什么的,真正有用的完全没有展开,所以-------这是一本非常好的入门书。
推荐阅读可以分为三个深度 1 了解什么是神经网络, 看看第一章就行了
2 想要学习怎么用神经网络,看看第1章和第3章,如果想要进一步了解其本质, 推荐再看第2章和第4 章,
3 想要迈向深度学习吗? 从第5章和第6章开始,然后,,,再找另的书看吧。