<python深度学习>

过去的一年，openAI的chatGPT在网上爆火，其实这不是神经网络的唯一一次浪潮，几年前生成式对抗神经网络也火过，当时大家还用它来生成有趣的人脸。其实大概2012年以后，深度学习领域开始蓬勃发展，我们现在日常生活中使用的指纹识别、人脸识别、图片提取文字、多国语言翻译、语音转文字、文字转语音、照片修改风格等等诸多数不清的应用，都依赖于深度学习。

今天为大家推荐的书籍是《python深度学习》，为什么是python呢？深度学习是一门复杂的学科，近十多年迅速兴起，其中包含了高等数学、计算机编程以及GPU等算力架构等复杂学科，而它的发展也在降低它的门槛，深度学习在迅速发展中，也在不断包装底层复杂的算法和运算过程，将底层的工作都一层层封装成简单的python库，最终神经网络的大部分从业者只需要简单学习python就可以上手深度学习，进行神经网络的架构、训练和运行。

该书分为2个部分，第1部分包含4章，是入门科普类，适合大多数了解编程的人阅读。第1章介绍了人工智能、机器学习和深度学习的关系，很多外行人分不清这几个词具体有什么区别。并介绍了这些学科的发展历史，以及为什么在近十年得到了迅速的发展。第2章用通俗的语言介绍了神经网络涉及到的数学知识，主要是张量运算(大学线性代数课)和基于梯度的优化（涉及高数求导），但作者并没有写高等数学公式，而是用文字描述，对于没有高数基础的读者非常友好。第3章带读者用python的keras库编写了一些简单的神经网络模型，第四章介绍了从事机器学习具体要做哪些事情，包括评估模型、数据预处理、过拟合与欠拟合、机器学习的通用工作流程。

第2部分是实践，包括4章，手把手带读者写了一些最近10年流行的神经网络模型的简化版本，并在过程中深入介绍一些细节。其中包括了用于图像内容识别的卷积神经网络，用于文字、视频等序列数据处理循环神经网络，以及最近几年才出现的生成式深度学习，并介绍了keras库的高级用法，让读者能控制模型的训练过程。总结中简单聊了深度学习的局限性和未来，让读者能真正成为深度学习开发者。

附录中介绍了开发环境的搭建，可以在自己的电脑上搭建开发环境，或者租用云服务进行开发。

该书深入浅出的介绍了深度学习，让我能够在自己电脑上轻松的实现神经网络模型，并探索自己的神经网络模型，本书聊了深度学习的本质和实现原理，介绍了keras工具和kaggle网站。让想从事深度学习的读者能够利用keras在kaggle网站上快速展开学习，并参加到kaggle的机器学习比赛中。

我认为这本书适有一点点编程基础的人阅读，如果你不想从事机器学习，那也可以阅读第一章的介绍和最后一章的总结，这两章内容没有代码，全是科普和原理总结，能加深你对人工智能的了解。