链接： https://pan.baidu.com/s/13S0HC8oD1LKawfzA9LBXig
提取码：p607
本书特色
1.日本深度学习入门经典畅销书，原版上市不足2年印刷已达100 000册。长期位列日亚“人工智能”类图书榜首，超多五星好评。
2.使用Python 3，尽量不依赖外部库或工具，从零创建一个深度学习模型。
3.示例代码清晰，源代码可下载，需要的运行环境非常简单。读者可以一边读书一边执行程序，简单易上手。
4.使用平实的语言，结合直观的插图和具体的例子，将深度学习的原理掰开揉碎讲解，简明易懂。
5.使用计算图介绍复杂的误差反向传播法，非常直观。
6. 相比AI圣经“花书”，本书更合适入门。
对于非AI方向的技术人员，本书将大大降低入门深度学习的门槛；对于在校大学生、研究生，本书不失为学习深度学习的一本好教材, 即便是在工作中已经熟练使用框架开发各类深度学习模型的读者，也可以从本书中获得新的体会。——摘自本书译者序
目录
前言
第 1 章 Python 入门
第 2 章 感知机
第 3 章 神经网络 阅读
第 4 章 神经网络的学习
第 5 章 误差反向传播法
第 6 章 与学习相关的技巧
第 7 章 卷积神经网络
第 8 章 深度学习
附录 A Softmax-with-Loss 层的计算图
作者介绍
斋藤康毅（作者）
东京工业大学毕业，并完成东京大学研究生院课程。现从事计算机视觉与机器学习相关的研究和开发工作。是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。
陆宇杰（译者）
众安科技NLP算法工程师。主要研究方向为自然语言处理及其应用，对图像识别、机器学习、深度学习等领域有密切关注。Python爱好者。
读后评论
如果你对Python有一定的了解，想对深度学习的基本概念和工作原理有一个透彻的理解，想利用Python编写出简单的深度学习程序，那么这本书绝对是最佳的入门教程，理由如下：
（1）撰写者是一名日本普通的AI工作者，主要记录了他在深度学习中的笔记，这本书站在学习者的角度考虑，秉承“解剖”深度学习的底层技术，不使用任何现有的深度学习框架、尽可能仅使用基本的数学知识和Python库。从零创建一个经典的深度学习网络。
（2）本书的日文版曾一度占据了东京大学校内图书理工类图书的畅销书榜首。对于非AI方向的技术人员，本书将大大降低入门深度学习的门槛，而对于在校的大学生、研究生，本书绝对是一本深度学习的好教材（第一遍阅读下来，我表示这话说得一点也没毛病）。
（3）这本书由始至终以图像识别（图像数据）为起点，从一而终。
（4）这本书提供了实际可运行的Python程序，学习者只需搭建好Python环境，即可上机。
（5）书籍言简意赅，不拖泥带水，重点突出，页码少。
（6）第一遍阅读下来，我觉得自己已经可以尝试用C/C++等其他语言写AI程序了，简单地说，这本书提供了AI算法思路，有了算法思路，你懂的，用什么语言实现那都不是事！
（7）本书籍豆瓣评分很高，第一遍阅读完后，我给这本书打9.7分，被扣的0.3分则需要您阅读后才知道在去哪儿了，哈哈!
这本书涉及的内容如下：
·使用Python，尽可能少地使用外部库，从零开始实现深度学习的程序。
·为了让Python的初学者也能理解，介绍了Python的使用方法。
·提供实际可运行的Python源代码，同时提供可以让读者亲自试验的学习环境
·从简单的机器学习问题开始，最终实现一个能高精度地识别图像的系统。
·以简明易懂的方式讲解深度学习和神经网络的理论。
·对于误差反向传播法、卷积运算等咋一看很复杂的技术，使读者能够在实现层面上理解。
·介绍一些深度学习时有用的实践技巧，如确定学习率的方法，权重的初始值等。
·介绍最近流行的Batch Normalization dropout、Adam等，并进行实现。
·讨论为什么深度学习表现优异、为什么加深层能够提高识别精度、为什么隐藏层很重要等问题。
·介绍自动驾驶、图像生成、强化学习等深度学习的应用案例。
当然，本人觉得阅读这本书的读者应该对机器学习有一个了解，比如机器学习是什么？机器学习模型有哪些，什么是监督学习、非监督学习、训练数据、测试数据