量子位 出品 | 公众号 QbitAI
入门深度学习的最大阻碍是啥，课程资料太少、难度太大？
可能对于大部分中国AIer来说，语言门槛高过了一座大山。网红课虽好，但是英语听不懂啊。
现在，一套口碑巨佳的中文版深度学习书更新了，这套书名叫《神经网络与深度学习》，复旦大学老师邱锡鹏出品，从语言上先把不必要的门槛降低了。
它面向深度学习小白，从人工智能的基本概念开启，可以说超级友好了。
此外，可以附加的全部资料一站式配齐，从教材、讲解PPT、示例代码到课后练习都有，全方位无死角教你学AI。
书里都有啥？
这本书目前已经更新完，共有16章，从机器学习概论开始，涵盖多种基础神经网络模型的基础知识。
课程目录如下：
- 绪论
- 机器学习概述
- 线性模型
- 前馈神经网络
- 卷积神经网络
- 循环神经网络
- 网络优化与正则化
- 注意力机制与外部记忆
- 无监督学习
- 模型独立的学习方式
- 概率图模型
- 深度信念网络
- 深度生成模型
- 深度强化学习
- 序列生成模型
- 数学基础
判断是一门课好不好学，图多是一个重要的因素，一是能帮助理解，二是还能减轻心理负担。邱老师的这套课，就是图很丰富的那种。
比如在书中一开始《如何开发一个人工智能系统》章节，有这样的结构图分清神经网络、机器学习与概率图模型的关系：
还有这样的对比图讲解“过拟合”的知识点：
还有一些已经整理好的对比图表，将这套教程作为工具书使用也是极好的：
是不是比书本上的长篇大论好理解多了。
数学小白必入
可以看出，这套书还是以普及深度学习相关概念为主，如果高数基础不好，还可以借助第16章节数学基础的38页PDF，将所需的理论知识一次性补全。
在这一部分，邱老师介绍了一些深度学习涉及到的基础数学知识，包括线性代数、微积分、数值优化、概率论和信息论等。
介绍方式简洁明了，针对深度学习任务进行了筛选。比如在线性代数这一小节，邱老师主要介绍了向量的概念：
以及必须要学的矩阵基础知识：
再也不用为划重点发愁，因为邱老师早已经整理好了~
理解神经网络所用的数学知识，有这么几页就能看懂大部分了。
作者其人
这本书的作者邱锡鹏老师，目前是复旦大学计算机科学技术学院的博士生导师、自然语言处理与深度学习组的副教授。
从本科读书、博士研究再到毕业后工作，邱老师都是在复旦大学工作，这套《神经网络与深度学习》也是邱老师带的研究生要学的课程。
目前，邱老师主要研究统计机器学习、自然语言处理以及对话系统/自动问答系统，此前还开源过一个全新的自然语言处理工具FastNLP：
https://github.com/FudanNLP/fnlp
传送门
GitHub地址：
https://nndl.github.io/
PDF讲义：
https://nndl.github.io/nndl-book.pdf
3小时课程概要PDF：
https://nndl.github.io/ppt/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-3%E5%B0%8F%E6%97%B6.pdf
示例代码：
https://github.com/nndl/nndl-codes
课后练习：
https://github.com/nndl/exercise
别犹豫了，抱走这套深度学习资源开始学习吧。
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ’ᴗ’ ի 追踪AI技术和产品新动态
“
