西风 发自 凹非寺
量子位 | 公众号 QbitAI
叮!您的深度学习 口袋书 教程,请查收。
(资料图片仅供参考)
这本袖珍版教程,不仅能让你零基础看懂深度学习,据说十二岁小孩也爱看:
专为手机阅读而打造,155页内容,还都是免费的!
不卖关子,最近一本适合手机阅读的袖珍版深度学习教程在网上爆火,能从 概念 这样的“基础知识”开始带你走近深度学习,一个月就有超过23万人下载:
这本可以轻松在手机上阅读的“掌上小书”,由瑞士日内瓦大学的计算机科学教授François Fleuret撰写。
一个月前,他在推特发布了这本小书的测试版,目前转赞超3000+:
就在昨天,他又发布了共有155页的 预印本 。
推文底下飘满了网友对其内容及格式的点赞和评论:
小而美。
这本小书到底有多优质,不妨我们一起来看看吧?
尽管深度学习的大部分内容并不是特别难以理解,但,还是得有一定数学和计算机基础的。
例如在 数学 上,如微积分、概率论、优化、线性代数和信号处理基础都需要掌握;
同时,它也与 计算机 科学、编程、算法和高性能计算紧密相关,所以部分没有学科背景知识储备的人学习起来也有一定难度。
但是别担心,这本小书的作者可是明确表示:
不打算详尽讲述,而是仅限于提供必要的背景和技术工具,以便读者理解一些重要的模型。
先看目录:
小书正文的第一部分,就是和机器学习、高效计算、训练相关的基础知识。
紧接着,第二部分就可以根据上面学过的基础知识来理解模型。
最后一块,自然就是讲述有了模型之后的应用部分了。
我们接着往下看内容。
具体内容也是非常易于理解的。
深度学习在历史上属于更大的统计机器学习领域,因为它从根本上来说,涉及到从数据中学习表示的方法。这种技术最初来自于人工神经网络,而“深度”这个词强调模型是由多个映射组成的长组合,现在已知能够实现更高的性能。
概念也会细化解释,没错了,是小白也能看懂的程度。
看过图表,才能理解网友说的:
出色的格式,出色的内容。
这样简洁的格式在手机或者是Kindle等电子书上看,简直不要太爽!
有好奇的网友将奇怪的关注点放在了绘图上,想知道这本小书里的图表是如何绘制的,作者也是毫无保留,有问必答。
上面我们说到这本小书主要是包括三大块的内容:基础知识(Foundations)、深度模型(Deep models)、应用(Applications)。
但作者省略掉了很多内容,比如:循环神经网络(RNN)、自动编码器、生成对抗网络(GAN)、强化学习(RL)、微调、图神经网络(GNN)、自监督训练。
这些内容会在书中用到,但在书中并没有过多解释(当然有提到一些论文,想要深入了解的可以自己翻阅论文)。
有网友也对此产生了疑问:
RNN引发了许多有趣的话题呀,例如梯度爆炸/消失、权重共享等,如果没有RNN,可能无法真正理解这些话题。
作者也是直言,自己想写一些短小而精悍的东西,所以有些内容必须去掉。
毕竟孩子们喜欢 “变形金刚” (Transformer)。
真是为入门级选手量身打造的了!
此外,作者表示这本“口袋书”的针对的是Tik Tok的用户群体。
因为手机屏幕上的潜在“阅读时间”至少比电脑、平板、纸质印刷物和实体书的总和大一个数量级,甚至可能是两个数量级。
在这本小书的最后,作者表示:
人工智能的最新进展让人兴奋。它将对人们的工作方式、与知识信息的互动方式产生根本性改变,并迫使人们重新思考智能、理解力和感知力等基本概念。
尽管深度学习存在弱点,但它将是人工智能新时代的关键要素之一。
这也许就是作者为什么要写一本关于深度学习的小书了吧。
François Fleuret是日内瓦大学教授、机器学习团队负责人,洛桑联邦理工学院(EPFL)兼职教授,Idiap研究所外部研究员,Neural Concept SA联合创始人。
他于2000年获得INRIA和巴黎第六大学的数学博士学位,并于2006年获得巴黎第十三大学的数学任教资格。此前,他曾在国际会议和期刊上发表了80多篇论文,也是机器学习领域多项专利的发明者。
他的主要研究兴趣是机器学习,特别关注计算方面和小样本学习。
传送门: [1]https://fleuret.org/public/lbdl.pdf(小书预印本链接) [2]https://fleuret.org/cgi-bin/gitweb/gitweb.cgi?p=littlebook.git;a=tree(小书的LaTeX模板) [3]https://tikz.dev/(小书所用的画图工具)
参考链接: [1]https://twitter.com/AndyXAndersen/status/1660313982870392837
— 完 —
量子位 QbitAI · 头条号签约
关注我们,第一时间获知前沿科技动态