深度学习导论与应用实践

本书从数学基础与编程基础开始，逐步引导读者 领略深度学习的起源与发展，向读者介绍深度学习在 计算机视觉、自然语言处理等方面的实际应用，并为 读者呈现最前沿的深度学习研究进展，同时深入剖析 技术原理，带领读者逐步推导深度学习背后的数学模 型，并结合飞桨（PaddlePaddle）深度学习框架实现 项目，代码清晰，易于理解。本书深入浅出，将原理 解析与国内流行的深度学习框架飞桨实例结合，旨在 使读者更全面、更清晰地掌握深度学习的前沿技术。 本书可作为深度学习的入门读物，也可作为信息 学科本科生和研究生的教材，还可供信息产业从业者 使用。

高随祥（中国科学院大学）、文新（中国科学院信息工程研究所）、马艳军（百度）、李轩涯（百度）

第1章 数学基础 1.1 数据表示——标量、向量、矩阵和张量 1.1.1 标量、向量、矩阵和张量 1.1.2 向量的范数 1.1.3 常用的向量 1.1.4 常见的矩阵 1.1.5 矩阵的操作 1.1.6 张量的常用操作 1.2 优化的基础——导数及其应用 1.2.1 导数 1.2.2 泰勒公式 1.2.3 拉格朗日乘数法 1.3 概率模型的基础——概率论 1.3.1 随机变量 1.3.2 概率分布 1.3.3 边缘概率 1.3.4 条件概率 1.3.5 独立性 1.3.6 期望、方差与协方差 1.3.7 常用的概率分布 1.4 习题 第2章 Python入门 2.1 Python简介 2.2 Python基础语法 2.2.1 数据结构类型 2.2.2 运算符 2.2.3 条件语句 2.2.4 循环语句 2.2.5 函数 2.2.6 面向对象与类 2.2.7 脚本 2.3 NumPy 2.3.1 NumPy数组创建与访问 2.3.2 NumPy数组计算 2.3.3 广播 2.4 Matplotlib 2.4.1 Matplotlib的安装 2.4.2 Matplotlib图像的组成部分 2.4.3 Pyplot绘制简单图形 2.4.4 Matplotlib多图像绘制 2.5 实践：豆瓣高分电影爬取 2.5.1 思路分析 2.5.2 获取页面 2.5.3 解析页面 2.5.4 存储数据 2.5.5 数据展示与分析 2.6 习题 第3章 机器学习基础 3.1 机器学习概述 3.1.1 机器学习定义与基本术语