允中 发自 凹非寺
量子位 报道 | QbitAI
今日份知识带货，推荐一本名为Grokking Deep Learning的新教材。
书名直译，就叫《与深度学习神交》吧。
虽是新书，但作者并非无名之辈，而且不论是GitHub，还是Twitter，都纷纷点赞这本新教材。
更重要的是，这还是一本入门教材。作者自序：只要有高中数学基础、有点编程经验——比如Python和numpy，你就可以开始学习进阶了。
不知道你觉得这个门槛如何？
不过提醒一句，一个搞AI的博士作者，为这书在Twitter上发了个“完成庆祝”，马上就有了数百个转发、上千个点赞。
不觉明历。
作者其人
先简单介绍下作者。
名为Andrew Trask，现在的身份是牛津大学博士生，而且还拿的的是牛津-DeepMind的奖学金，专功深度学习方法，特别是自然语言领域。
而且区别于其他坐而论道的研究者，Andrew Trask之前还有过工业实战履历。
他在Digital Reasoning的研究员和分析产品经理，训练打造过全球规模最大的神经网络——参数超1600亿，并且帮助一些大数据高复杂度的计算平台制定分析路线，比如情报、金融和医疗保健行业的数据分析和计算等。
超低门槛
Andrew Trask自述，这本书写了近3年，边写边接受反馈，同时还有配套的手把手实操指南。
之所以这么做，一是希望任何感兴趣深度学习的人，都能通过这本书认识深度学习，不会被枯燥的高等数学和复杂代码吓倒。
另一方面也是希望真正想从事AI的人，哪怕只有高中数学基础，或者懂一点编程，都能从第一章开始，不断升级进阶，最后掌握深度学习的原理、应用和实操。
总之，希望深度学习、AI，都能成为人人可用的工具。
教程内容举例
Andrew Trask还介绍了Grokking Deep Learning的部分内容。
通过此书，你可以：
-
知晓神经网络的“学习”原理
-
学会构建一个识别和解析图像的神经网络
-
学会打造一个跨语言的神经网络翻译器，也可以打造一个写作的内容生成神经网络
-
另外对游戏感兴趣的朋友，也能构建一个玩电子游戏的神经网络
总之，涵盖了目前神经网络应用的各大主要场景。
传送门
最后，说一千道一万，不如让你自己去验证，是否真的足够低门槛，是否真能无微积分基础学会神经网络打造。
教材地址：
https://www.manning.com/books/grokking-deep-learning?a_aid=grokkingdl&a_bid=32715258
GitHub资源：
https://github.com/iamtrask/Grokking-Deep-Learning
手把手实操指南：
https://machinelearningmastery.com/start-here/
纸质版预购：
https://www.amazon.com/Grokking-Deep-Learning-Andrew-Trask/dp/1617293709
祝学习愉快~
— 完 —
为您推荐
YC陆奇发起知乎第一问：怎样的环境才能让更多AI创业公司成功？
三言两语入门Bag-of-words模型
【通俗易懂】10幅图解释机器学习中的基本概念
李彦宏：AI 不应该像人，现在很多智能都是假的！
深度学习并非万能：你需要避免这三个坑
本篇文章来源于: 深度学习这件小事
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈