從2016到2019，根據多年教學和研究經驗，邱錫鵬教授完成了深度學習教科書《神經網絡與深度學習》！目前這本教科書的全書內容、習題和PPT資源都已經開放。

這本書從基礎到研究前沿介紹了深度學習的核心概念與理論。我們不僅能了解到全連接、卷積和循環等基本深度神經網絡網絡，同時還能學習到前沿的 Transformer 等模型，當然所需的數學基礎在附錄也都是有提供的。這本 446 頁的深度學習開放教科書，足夠我們了解 DL 的前前後後。

邱老師是復旦大學計算機科學技術學院的副教授與博士生導師，他目前主要從事自然語言處理、深度學習等方向的研究，在 ACL、EMNLP、AAAI、IJCAI 等計算機學會 A/B 類期刊、會議上發表 50 餘篇學術論文。此外，邱老師還是 FudanNLP 的開發者和 FastNLP 的負責人，這兩個開源項目都旨在提供更好的 NLP 工具。

如下我們將截取原書部分內容與練習題，希望其能介紹整體結構與大致內容。作為一本優秀的深度學習中文教科書，它真的值得大傢下載與閱讀。

前言

本書的寫作目的是使得讀者能夠掌握神經網絡與深度學習技術的基本原 理，知其然還要知其所以然。全書共 15 章。第 1 章是緒論，介紹人工智能、機器 學習、深度學習的概要，使讀者對相關知識進行全面的了解。第 2、3 章介紹了 機器學習的基礎知識。

第 4、5、6 章分別講述三種主要的神經網絡模型：前饋神 經網絡、卷積神經網絡和循環神經網絡。第 7 章介紹神經網絡的優化與正則化方 法。第 8 章介紹神經網絡中的註意力機制和外部記憶。第 9 章簡要介紹了一些無 監督學習方法。第 10 章中介紹一些和模型獨立的機器學習方法：集成學習、協 同學習、自學習、多任務學習、遷移學習、終身學習、小樣本學習、元學習等。這些都是目前深度學習的難點和熱點問題。

第 11 章介紹了概率圖模型的基本概 念，為後面的章節進行鋪墊。第 12 章介紹兩種早期的深度學習模型：玻爾茲曼 機和深度信念網絡。第 13 章介紹最近兩年發展十分迅速的深度生成模型：變分自編碼器和對抗生成網絡。第 14 章介紹了深度強化學習的知識。第 15 章介紹了 應用十分廣泛的序列生成模型。

2015 年復旦大學計算機學院開設了《神經網絡與深度學習》課程，當時還 沒有關於深度學習的系統介紹。講好深度學習並不是一件容易的事，課程涉及 知識點非常多並且比較雜亂，也和實踐結合十分緊密。作為任課教師，我嘗試 將梳理了深度學習的知識體系，並寫了一本講義放在網絡上。

簡要目錄如下：

第一部分 入門篇

第二部分 基礎模型

第三部分 進階模型

當然實際的書籍目錄會展示更多的細節，讀者可下載原書查閱：

內容

對於內容而言，其實是需要讀者自己體會的，因此我們截取書籍的一小節內容，讀者可拜讀拜讀。

隨書代碼與練習題

除了提供一些示例代碼，例如 PyTorch 或 TensorFlow 的分類回歸問題，邱老師還提供了很多練習題，目前主要有第 3、4、5、6、11、14 章的內容。例如在第六章循環神經網絡中，其練習題為使用循環神經網絡實現唐詩生成任務。

該題目的要求為，補全程序前面的 3 個空和生成詩歌的一段代碼，並以「日 、紅 、山 、夜 、湖、海 、月」詞匯開頭生成詩詞。

該項目提供了對應的數據和部分代碼，我們隻需要根據要求填補完全就行了，例如在詩詞生成的 TensorFlow 實現中，我們需要補全的模型架構代碼為：

其它還有很多練習，包括受限玻爾茲曼機、混合高斯模型、黑白棋遊戲（強化學習）和卷積神經網絡等等。

如果你是一個機器學習初學者或者已經是機器學習領域的開發人員，想更加深入地理解機器學習算法背後的數學原理，那麼《神經網絡與深度學習》這本書絕對是一個不錯的選擇。

《神經網絡與深度學習》中文高清PDF，需要的可以直接添加領取。

免費分享一些我整理的人工智能學習資料給大傢，整理了很久，非常全面。包括人工智能基礎入門視頻 AI常用框架實戰視頻、機器學習、深度學習與神經網絡等視頻、課件源碼、畢設項目、AI熱門論文等。

下面是截圖，掃碼進群免費領取：掃碼進群領資料

我會在群裡與朋友們定期分享人工智能的發展就業情況與相關資料。

最後祝大傢天天進步！！