التعلم العميق

" التعلم العميق " هو الكتاب الشامل الوحيد في مجال التعلم العميق، واسمه الكامل يسمى أيضًا الكتاب المقدس للتعلم العميق بالذكاء الاصطناعي (التعلم العميق) ، وقد قام بتحريره ثلاثة خبراء مشهورين عالميًا، وهم إيان جودفيلو، ويوشوا بنجيو، وآرون. يغطي الكتاب المعرفة الأساسية بالرياضيات والمفاهيم ذات الصلة، بما في ذلك المحتوى ذي الصلة بالجبر الخطي ونظرية الاحتمالات ونظرية المعلومات والتحسين العددي والتعلم الآلي. وفي الوقت نفسه، يقدم أيضًا تقنيات التعلم العميق التي يستخدمها الممارسون في الصناعة، بما في ذلك شبكات التغذية العميقة، والتنظيم، وخوارزميات التحسين، والشبكات التلافيفية، ونمذجة التسلسل والأساليب العملية، ويبحث في موضوعات مثل معالجة اللغة الطبيعية، والتطبيقات في التعرف على الكلام. والرؤية الحاسوبية وأنظمة التوصية عبر الإنترنت والمعلوماتية الحيوية وألعاب الفيديو. أخيرًا، يوفر كتاب التعلم العميق أيضًا بعض اتجاهات البحث، حيث يغطي الموضوعات النظرية بما في ذلك نماذج العوامل الخطية، وأجهزة التشفير التلقائي، والتعلم التمثيلي، والنماذج الاحتمالية المنظمة، وطرق مونت كارلو، ووظائف التقسيم، والاستدلال التقريبي، والنماذج التوليدية العميقة، وهي مناسبة للاستخدام من قبل الكلية. الطلاب أو طلاب الدراسات العليا في التخصصات ذات الصلة.

غلاف التعلم العميق

يمكنك تنزيل النسخة الصينية pdf والنسخة الإنجليزية pdf من "التعلم العميق" وقراءتهما مباشرة.

لعمل هذا المشروع يمكنكم تحميل Deep Learning_Principles و Code Implementation.pdf مباشرة (سيتم تحديث الكتاب بشكل مستمر لاحقاً)

يمكن القول أن "التعلم العميق" هو دليل تمهيدي للتعلم العميق والذكاء الاصطناعي، ويشير العديد من المتحمسين للخوارزميات إلى هذا الكتاب، والدورات التدريبية للتعلم الآلي، والمقابلات مع شركات الإنترنت. ومع ذلك، هذا الكتاب غامض، ولم يتم توفير تطبيق الكود الرسمي، لذلك يصعب فهم بعض الأجزاء. يعيد هذا المشروع وصف المفاهيم الموجودة في الكتاب بناءً على الاشتقاق الرياضي ومبادئ التوليد ، ويستخدم Python (مكتبة numpy بشكل أساسي) لإعادة إنتاج محتوى الكتاب ( تنفيذ التعليمات البرمجية على مستوى المصدر. يتم وضع عملية الاشتقاق وتنفيذ التعليمات البرمجية في ملف pdf في منطقة التنزيل ، يتم وضع الجزء المهم من كود التنفيذ أيضًا في مجلد التعليمات البرمجية ).

ومع ذلك، فإن مستواي محدود، لكنني آمل بصدق أن يساعد هذا العمل المزيد من الأشخاص على تعلم خوارزميات التعلم العميق. أحتاج إلى نصيحة ومساعدة الجميع. إذا واجهت أخطاء أو تفسيرات غير واضحة أثناء القراءة، أتمنى أن تتمكن من تلخيص اقتراحاتك وتقديمها في القضايا. إذا كنت ترغب أيضًا في الانضمام إلى هذا العمل أو لديك أسئلة أخرى، يمكنك الاتصال ببريدي الإلكتروني. إذا كنت تستخدم هذا الكتاب في عملك أو مدونتك، فيرجى تضمين رابط الاقتباس.

أثناء عملية الكتابة، أشرت إلى العديد من الأعمال الممتازة عبر الإنترنت، ويتم حفظ جميع الموارد المرجعية في ملف reference.txt .

رسالة

تتمثل هذه المهمة في كتابة هذا الكتاب Deep Learning_Principles and Code Implementation.pdf. كما ترون في ملف pdf، سيتم إعطاء كل مفهوم مشترك في "التعلم العميق" وصفًا تفصيليًا واشتقاقًا على المستوى الأساسي وتنفيذًا في التعليمات البرمجية. لن يستدعي تنفيذ التعليمات البرمجية أي إطار عمل للتعلم العميق مثل Tensorflow أو PyTorch أو MXNet أو حتى sklearn (يتم استخدام الجزء الذي يستخدم sklearn في ملف PDF للتحقق من صحة التعليمات البرمجية يتم تنفيذ جميع الرموز من المستوى الأساسي (Python's مكتبة NumPy الأساسية)، وتحتوي على تعليقات تفصيلية تتوافق مع منطقة الوصف الأساسي أعلى منطقة الكود، ويمكنك فهمها من خلال الجمع بين المبادئ والتعليمات البرمجية.

السبب وراء هذا العمل هو حبي الشخصي، ولكن لإكمال هذا العمل أحتاج إلى استثمار الكثير من الوقت والطاقة، وعادةً ما أكتب حتى الساعة الثانية أو الثالثة صباحًا. يتم صقل الاشتقاق والترميز والرسم ببطء، وسأضمن جودة هذا العمل. سيتم تحديث هذه المهمة طوال الوقت، وسيستمر استكمال الفصول التي تم تحميلها بالمحتوى. إذا واجهت أي مفاهيم أو أخطاء تريد وصفها أثناء عملية القراءة، فيرجى مراسلتي عبر البريد الإلكتروني لإعلامي بذلك.

شكرا جزيلا على الاعتراف والترقية. وأخيرا، يرجى الانتظار للتحديث القادم.

اسمي Zhu Mingchao، بريدي الإلكتروني هو: [email protected]

تحديث التعليمات

2020/3/:

 1. 修改第五章决策树部分，补充 ID3 和 CART 的原理，代码实现以 CART 为主。
2. 第七章添加 L1 和 L2 正则化最优解的推导 (即 L1稀疏解的原理)。
3. 第七章添加集成学习方法的推导与代码实现，包括 Bagging (随机森林)、 Boosting ( Adaboost 、 GBDT 、 XGBoost )。
4. 第八章添加牛顿法与拟牛顿法 ( DFP 、 BFGS 、 L - BFGS ) 的推导。
5. 第十一章节添加贝叶斯线性回归、高斯过程回归 ( GPR ) 与贝叶斯优化的推导与代码实现。

سيتم وضع كل تحديث لاحق في ملف update.txt .

تحميل دليل الفصل والملف

بالإضافة إلى النقاط المفاهيمية في كتاب "التعلم العميق"، يضيف هذا المشروع أيضًا بعض المعرفة التكميلية لكل فصل، مثل الغابة العشوائية في جزء التعلم المتكامل من الفصل 7، والتحليل الأساسي وتنفيذ التعليمات البرمجية لـ Adaboost، GBDT، وXGBoost، أو الفصل العاشر يصف بعض الأساليب السائدة الحالية . يمكن العثور على جدول محتويات الفصل الكبير ورابط تنزيل ملف pdf في الجدول أدناه للحصول على جدول المحتويات الفعلي في ملف pdf المحدد، يرجى الرجوع إلى contents.txt . يمكنك تنزيل الفصول المقابلة في رابط pdf أدناه، أو يمكنك تنزيل جميع الملفات مباشرة في واجهة الإصدارات.

الآيات الصينية	الفصل الانجليزي	تحميل (بما في ذلك الاشتقاق وتنفيذ التعليمات البرمجية)
مقدمة الفصل الأول	1 مقدمة
الفصل 2 الجبر الخطي	2 الجبر الخطي	قوات الدفاع الشعبي
الفصل 3 الاحتمالية ونظرية المعلومات	3 الاحتمالية ونظرية المعلومات	قوات الدفاع الشعبي
الفصل 4 الحساب العددي	4 الحساب العددي	قوات الدفاع الشعبي
الفصل الخامس أساسيات التعلم الآلي	5 أساسيات التعلم الآلي	قوات الدفاع الشعبي
الفصل السادس شبكة التغذية العميقة	6 شبكات التغذية العميقة	قوات الدفاع الشعبي
الفصل 7 التنظيم في التعلم العميق	7 التنظيم للتعلم العميق	قوات الدفاع الشعبي
الفصل 8 الأمثل في النماذج العميقة	8 الأمثل لتدريب النماذج العميقة	قوات الدفاع الشعبي
الفصل 9 الشبكة التلافيفية	9 الشبكات التلافيفية	قوات الدفاع الشعبي
الفصل العاشر: نمذجة التسلسل: الشبكات المتكررة والمتكررة	10 نمذجة التسلسل: الشبكات المتكررة والعودية
الفصل 11 المنهجية العملية	11 المنهجية العملية	قوات الدفاع الشعبي
الفصل 12 التطبيق	12 طلبا
الفصل 13 نموذج العامل الخطي	13 نماذج العوامل الخطية
الفصل 14 التشفير التلقائي	14 أجهزة التشفير التلقائي
الفصل 15 التعبير عن التعلم	15 التعلم التمثيل
الفصل 16 النموذج الاحتمالي المنظم في التعلم العميق	16 نماذج احتمالية منظمة للتعلم العميق
الفصل 17 طريقة مونت كارلو	17 طرق مونت كارلو
الفصل 18 مواجهة وظيفة التقسيم	18 مواجهة وظيفة التقسيم
الفصل 19 الاستدلال التقريبي	19 الاستدلال التقريبي
الفصل 20 النماذج التوليدية العميقة	20 نموذجًا توليديًا عميقًا