叮！您的深度學(xué)習(xí)口袋書教程，請查收。
這本袖珍版教程，不僅能讓你零基礎(chǔ)看懂深度學(xué)習(xí)，據(jù)說十二歲小孩也愛看：
專為手機閱讀而打造，155 頁內(nèi)容，還都是免費的！
不賣關(guān)子，最近一本適合手機閱讀的袖珍版深度學(xué)習(xí)教程在網(wǎng)上爆火，能從概念這樣的“基礎(chǔ)知識”開始帶你走近深度學(xué)習(xí)，一個月就有超過 23 萬人下載：
這本可以輕松在手機上閱讀的“掌上小書”，由瑞士日內(nèi)瓦大學(xué)的計算機科學(xué)教授 Fran?ois Fleuret 撰寫。
一個月前，他在推特發(fā)布了這本小書的測試版，目前轉(zhuǎn)贊超 3000+：
就在昨天，他又發(fā)布了共有 155 頁的預(yù)印本 。
推文底下飄滿了網(wǎng)友對其內(nèi)容及格式的點贊和評論：
小而美。
這本小書到底有多優(yōu)質(zhì)，不妨我們一起來看看吧？
從基礎(chǔ)知識開始講，小白也能看得懂
盡管深度學(xué)習(xí)的大部分內(nèi)容并不是特別難以理解，但，還是得有一定數(shù)學(xué)和計算機基礎(chǔ)的。
例如在數(shù)學(xué)上，如微積分、概率論、優(yōu)化、線性代數(shù)和信號處理基礎(chǔ)都需要掌握；
同時，它也與計算機科學(xué)、編程、算法和高性能計算緊密相關(guān)，所以部分沒有學(xué)科背景知識儲備的人學(xué)習(xí)起來也有一定難度。
但是別擔(dān)心，這本小書的作者可是明確表示：
不打算詳盡講述，而是僅限于提供必要的背景和技術(shù)工具，以便讀者理解一些重要的模型。
先看目錄：
小書正文的第一部分，就是和機器學(xué)習(xí)、高效計算、訓(xùn)練相關(guān)的基礎(chǔ)知識。
緊接著，第二部分就可以根據(jù)上面學(xué)過的基礎(chǔ)知識來理解模型。
最后一塊，自然就是講述有了模型之后的應(yīng)用部分了。
我們接著往下看內(nèi)容。
具體內(nèi)容也是非常易于理解的。
深度學(xué)習(xí)在歷史上屬于更大的統(tǒng)計機器學(xué)習(xí)領(lǐng)域，因為它從根本上來說，涉及到從數(shù)據(jù)中學(xué)習(xí)表示的方法。這種技術(shù)最初來自于人工神經(jīng)網(wǎng)絡(luò)，而“深度”這個詞強調(diào)模型是由多個映射組成的長組合，現(xiàn)在已知能夠?qū)崿F(xiàn)更高的性能。
概念也會細化解釋，沒錯了，是小白也能看懂的程度。
看過圖表，才能理解網(wǎng)友說的：
出色的格式，出色的內(nèi)容。
這樣簡潔的格式在手機或者是 Kindle 等電子書上看，簡直不要太爽！
有好奇的網(wǎng)友將奇怪的關(guān)注點放在了繪圖上，想知道這本小書里的圖表是如何繪制的，作者也是毫無保留，有問必答。
內(nèi)容亮點：短小而精悍
上面我們說到這本小書主要是包括三大塊的內(nèi)容：基礎(chǔ)知識（Foundations）、深度模型（Deep models）、應(yīng)用（Applications）。
但作者省略掉了很多內(nèi)容，比如：循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、自動編碼器、生成對抗網(wǎng)絡(luò)（GAN）、強化學(xué)習(xí) (RL)、微調(diào)、圖神經(jīng)網(wǎng)絡(luò)（GNN）、自監(jiān)督訓(xùn)練。
這些內(nèi)容會在書中用到，但在書中并沒有過多解釋（當然有提到一些論文，想要深入了解的可以自己翻閱論文）。
有網(wǎng)友也對此產(chǎn)生了疑問：
RNN 引發(fā)了許多有趣的話題呀，例如梯度爆炸 / 消失、權(quán)重共享等，如果沒有 RNN，可能無法真正理解這些話題。
作者也是直言，自己想寫一些短小而精悍的東西，所以有些內(nèi)容必須去掉。
畢竟孩子們喜歡“變形金剛”（Transformer）。
真是為入門級選手量身打造的了！
此外，作者表示這本“口袋書”的針對的是 Tik Tok 的用戶群體。
因為手機屏幕上的潛在“閱讀時間”至少比電腦、平板、紙質(zhì)印刷物和實體書的總和大一個數(shù)量級，甚至可能是兩個數(shù)量級。
在這本小書的最后，作者表示：
人工智能的最新進展讓人興奮。它將對人們的工作方式、與知識信息的互動方式產(chǎn)生根本性改變，并迫使人們重新思考智能、理解力和感知力等基本概念。
盡管深度學(xué)習(xí)存在弱點，但它將是人工智能新時代的關(guān)鍵要素之一。
這也許就是作者為什么要寫一本關(guān)于深度學(xué)習(xí)的小書了吧。
作者簡介
Fran?ois Fleuret 是日內(nèi)瓦大學(xué)教授、機器學(xué)習(xí)團隊負責(zé)人，洛桑聯(lián)邦理工學(xué)院 (EPFL) 兼職教授，Idiap 研究所外部研究員，Neural Concept SA 聯(lián)合創(chuàng)始人。
他于 2000 年獲得 INRIA 和巴黎第六大學(xué)的數(shù)學(xué)博士學(xué)位，并于 2006 年獲得巴黎第十三大學(xué)的數(shù)學(xué)任教資格。此前，他曾在國際會議和期刊上發(fā)表了 80 多篇論文，也是機器學(xué)習(xí)領(lǐng)域多項專利的發(fā)明者。
他的主要研究興趣是機器學(xué)習(xí)，特別關(guān)注計算方面和小樣本學(xué)習(xí)。
傳送門：
[1] https://fleuret.com/public/lbdl.pdf（小書預(yù)印本鏈接）
[2] https://fleuret.org/cgi-bin/gitweb/gitweb.cgi?p=littlebook.git;a=tree（小書的 LaTeX 模板）
[3] https://tikz.dev/（小書所用的畫圖工具）
參考鏈接：
[1]https://twitter.com/AndyXAndersen/status/1660313982870392837
本文來自微信公眾號：量子位 （ID：QbitAI），作者：西風(fēng)
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。