深度学习图解

深度学习的基础科学原理 自行设计和训练神经网络 隐私保护的知识，包括联邦学习 帮助你继续深度学习之旅的建议

第1章 深度学习简介：为什么应该学习深度学习 1 1.1　欢迎阅读《深度学习图解》 1 1.2　为什么要学习深度学习 2 1.3　这很难学吗? 3 1.4　为什么要阅读本书 3 1.5　准备工作 4 1.6　你可能需要掌握一部分Python知识 5 1.7　本章小结 6 第2章 基本概念：机器该如何学习？ 7 2.1　什么是深度学习? 7 2.2　什么是机器学习？ 8 2.3　监督机器学习 9 2.4　无监督机器学习 10 2.5　参数学习和非参数学习 10 2.6　监督参数学习 11 2.7　无监督参数学习 13 2.8　非参数学习 14 2.9　本章小结 15 第3章 神经网络预测导论：前向传播 17 3.1　什么是预测 17 3.2　能够进行预测的简单神经网络 19 3.3　什么是神经网络? 20 3.4　这个神经网络做了什么? 21 3.5　使用多个输入进行预测 23 3.6　多个输入：这个神经网络做了什么? 24 3.7　多个输入：完整的可运行代码 29 3.8　预测多个输出 30 3.9　使用多个输入和输出进行预测 32 3.10　多输入多输出神经网络的工作原理 33 3.11　用预测结果进一步预测 35 3.12　NumPy快速入门 37 3.13　本章小结 40 第4章 神经网络学习导论：梯度下降 41 4.1　预测、比较和学习 41 4.2　什么是比较 42 4.3　学习 42 4.4　比较：你的神经网络是否做出了好的预测？ 43 4.5　为什么需要测量误差？ 44 4.6　最简单的神经学习形式是什么？ 45 4.7　冷热学习 46 4.8　冷热学习的特点 47 4.9　基于误差调节权重 48 4.10　梯度下降的一次迭代 50 4.11　学习就是减少误差 52 4.12　回顾学习的步骤 54 4.13　权重增量到底是什么? 55 4.14　狭隘的观点 57 4.15　插着小棍的盒子 58 4.16　导数：两种方式 59 4.17　你真正需要知道的 60