first commit

README.md

@@ -0,0 +1,41 @@
+# Deep Learning
+
+《**深度学习**》是深度学习领域唯一的综合性图书，全称也叫做**深度学习 AI圣经(Deep Learning)**，由三位全球知名专家IanGoodfellow、YoshuaBengio、AaronCourville编著，全书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，深度学习全书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型，适用于相关专业的大学生或研究生使用。
+
+<img src="./docs/cover.jpg" width="400" height="600" alt="深度学习封面" align=center>
+
+可以下载《深度学习》的中文版[pdf]()和英文版[pdf]()直接阅读。
+
+---
+
+《深度学习》可以说是深度学习与人工智能的入门宝典，许多算法爱好者、机器学习培训班、互联网企业的面试，很多都参考这本书。但本书晦涩，加上官方没有提供代码实现，因此某些地方较难理解。本站**基于数学推导和产生原理重新描述了书中的概念**，并用**Python** (numpy 库为主) 复现了书本内容。
+
+然而我水平有限，但我真诚地希望这项工作可以帮助到更多人学习深度学习算法。我需要大家的建议和帮助。如果你在阅读中遇到有误或解释不清的地方，希望可以汇总你的建议，提issue （最好不要一个一个地提）。如果你也想加入这项工作书写中或有其他问题，可以联系我的邮箱：[email protected]。
+
+写的过程中参考了较多网上优秀的工作，所有参考资源保存在了`reference.txt`文件中。
+
+| 中文章节 | 英文章节 | 下载 |
+| ------------ | ------------ | ------------ |
+| 第一章 前言 | 1 Introduction |  |
+| 第二章 线性代数 | 2 Linear Algebra | [pdf]() |
+| 第三章 概率与信息论                 | 3 Probability and Information Theory | [pdf]() |
+| 第四章 数值计算                     | 4 Numerical Computation | [pdf]() |
+| 第五章 机器学习基础                 | 5 Machine Learning Basics | [pdf]() |
+| 第六章 深度前馈网络                 | 6 Deep Feedforward Networks | [pdf]() |
+| 第七章 深度学习中的正则化           | 7 Regularization for Deep Learning | [pdf]() |
+| 第八章 深度模型中的优化 | 8 Optimization for Training Deep Models | [pdf]() |
+| 第九章 卷积网络 | 9 Convolutional Networks | [pdf]() |
+| 第十章 序列建模：循环和递归网络 | 10 Sequence Modeling: Recurrent and Recursive Nets |  |
+| 第十一章 实践方法论                 | 11 Practical Methodology |  |
+| 第十二章 应用 | 12 Applications |  |
+| 第十三章 线性因子模型 | 13 Linear Factor Models |  |
+| 第十四章 自编码器                   | 14 Autoencoders |  |
+| 第十五章 表示学习                   | 15 Representation Learning |  |
+| 第十六章 深度学习中的结构化概率模型 | 16 Structured Probabilistic Models for Deep Learning |  |
+| 第十七章 蒙特卡罗方法 | 17 Monte Carlo Methods |  |
+| 第十八章 直面配分函数 | 18 Confronting the Partition Function |  |
+| 第十九章 近似推断                   | 19 Approximate Inference |  |
+| 第二十章 深度生成模型 | 20 Deep Generative Models |  |
+
+尚未上传的章节会在后续陆续上传。
+

reference.txt

@@ -0,0 +1,53 @@
+**参考文献**:
+
+- 全局参考
+  - https://github.com/exacity/deeplearningbook-chinese/
+
+- 线性代数
+  - https://github.com/npetrakis/YearOfML
+
+- 概率与信息论
+  - https://github.com/akhilvasvani/Probability-and-Information-Theory
+  - https://docs.scipy.org/doc/scipy/reference/stats.html
+  - https://www.joinquant.com/view/community/detail/be3d8bc42275ea491897ac13fbf5838f
+  - https://my.oschina.net/dillan/blog/134011
+
+- 数值计算
+
+- 机器学习基础
+  - 《统计学习方法》
+  - 《机器学习》
+  - https://github.com/paruby/ml-basics
+  - https://github.com/akhilvasvani/machine-learning-basics
+  - https://blog.csdn.net/ajianyingxiaoqinghan/article/details/72897399
+
+- 深度前馈网络
+  - https://peterroelants.github.io/posts/cross-entropy-logistic/
+  - https://blog.csdn.net/weixin_36586536/article/details/80468426
+  - https://github.com/yg19930918/deep-learning-from-scratch-master
+  - https://www.cnblogs.com/34fj/p/9036369.html
+  - https://github.com/peterroelants/peterroelants.github.io
+
+- 深度学习中的正则化
+  - https://zhuanlan.zhihu.com/p/35893078
+  - https://www.jiqizhixin.com/articles/2017-06-23-5
+  - https://www.zybuluo.com/songying/note/1400484
+  - https://zhuanlan.zhihu.com/p/37120298
+  - https://kevinzakka.github.io/2016/09/14/batch_normalization/
+
+- 深度模型中的优化
+  - https://zhuanlan.zhihu.com/p/32626442
+  - https://github.com/exacity/deeplearningbook-chinese
+  - http://cthorey.github.io./backpropagation/
+  - http://www.ludoart.cn/2019/02/22/Optimization-Methods/
+
+- 卷积神经网络
+  - https://www.slideshare.net/kuwajima/cnnbp
+  - https://github.com/exacity/simplified-deeplearning
+  - https://github.com/yg19930918/deep-learning-from-scratch-master
+  - https://adventuresinmachinelearning.com/keras-tutorial-cnn-11-lines/
+  - https://zhangting2020.github.io/2018/05/30/Transform-Invariance/
+  - https://zh.gluon.ai/chapter_convolutional-neural-networks/lenet.html
+  - https://zhuanlan.zhihu.com/p/32702031
+  - https://blog.csdn.net/marsjhao/article/details/73088850
+