书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-100章
101-129章
共129章
免费
版权信息
免费
内容简介
免费
前言
免费
第1章 绪论
免费
1.1 深度学习的前世今生
免费
1.2 模型复杂度的提升
免费
1.3 深度学习的名人轶事
免费
第2章 深度学习中的线性代数
免费
2.1 标量、向量、矩阵与张量
免费
2.2 矩阵的运算
免费
2.3 单位矩阵与逆矩阵
免费
2.4 线性相关、生成子空间和范数
免费
2.5 一些特殊类型的矩阵
免费
2.6 特征分解
免费
2.7 奇异值分解
免费
2.8 Moore-Penrose伪逆
免费
2.9 迹运算
免费
2.10 行列式
免费
2.11 例子：主成分分析
免费
第3章 概率与信息论
免费
3.1 为什么要使用概率
免费
3.2 随机变量
免费
3.3 概率分布
免费
3.4 边缘概率
免费
3.5 条件概率
免费
3.6 条件概率的链式法则
免费
3.7 条件独立性
免费
3.8 期望、方差和协方差
免费
3.9 常用概率分布
免费
3.10 常用函数及性质
免费
3.11 贝叶斯规则
免费
3.12 信息论中的交叉熵
免费
3.13 结构化概率模型
免费
第4章 数值计算
免费
4.1 上溢和下溢
免费
4.2 病态条件
免费
4.3 基于梯度的优化方法
4.4 约束优化
4.5 实例：线性最小二乘
第5章 机器学习基础
5.1 什么是机器学习算法
5.2 模型性能的度量
5.3 过拟合与欠拟合
5.4 超参数和交叉验证
5.5 最大似然估计
5.6 什么是随机梯度下降
5.7 贝叶斯统计
5.8 监督学习算法
5.9 无监督学习算法
5.10 促使深度学习发展的挑战
×