零基础深度学习教程爆火，专为手机阅读打造，月超 23 万人下载，155 页内容免费开放

叮！您的深度学习口袋书教程，请查收。

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？

从基础知识开始讲，小白也能看得懂

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。

内容亮点：短小而精悍

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。

作者简介

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.com/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

本文来自微信公众号：量子位 （ID：QbitAI），作者：西风

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。