d2l en

Buchwebsite | STAT 157-Kurs an der UC Berkeley

Der beste Weg, Deep Learning zu verstehen, ist Learning by Doing.

Dieses Open-Source-Buch stellt unseren Versuch dar, Deep Learning zugänglich zu machen, indem es Ihnen die Konzepte, den Kontext und den Code vermittelt. Das gesamte Buch ist in Jupyter-Notizbüchern verfasst und integriert Darstellungsfiguren, Mathematik und interaktive Beispiele nahtlos in eigenständigen Code.

Unser Ziel ist es, eine Ressource anzubieten, die dies kann

1. für jedermann frei verfügbar sein;
2. über ausreichende technische Tiefe verfügen, um einen Ausgangspunkt auf dem Weg zum tatsächlichen Wissenschaftler für angewandtes maschinelles Lernen zu bieten;
3. Fügen Sie ausführbaren Code hinzu, der den Lesern zeigt, wie Probleme in der Praxis gelöst werden können.
4. ermöglichen schnelle Aktualisierungen, sowohl von uns als auch von der gesamten Community;
5. ergänzt werden durch ein Forum zur interaktiven Diskussion technischer Details und zur Beantwortung von Fragen.

Universitäten nutzen D2L

Wenn Sie dieses Buch nützlich finden, markieren Sie bitte dieses Repository (★) oder zitieren Sie dieses Buch mithilfe des folgenden Bibtex-Eintrags:

 @book{zhang2023dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    publisher={Cambridge University Press},
    note={url{https://D2L.ai}},
    year={2023}
}

Vermerke

„In weniger als einem Jahrzehnt hat sich die KI-Revolution von Forschungslaboren über große Industrien bis hin zu allen Bereichen unseres täglichen Lebens ausgebreitet. „Dive into Deep Learning“ ist ein ausgezeichneter Text über Deep Learning und verdient Aufmerksamkeit von jedem, der erfahren möchte, warum Deep Learning funktioniert hat hat die KI-Revolution entfacht: die stärkste Technologiemacht unserer Zeit.“

— Jensen Huang, Gründer und CEO, NVIDIA

„Dies ist ein aktuelles, faszinierendes Buch, das nicht nur einen umfassenden Überblick über die Deep-Learning-Prinzipien, sondern auch detaillierte Algorithmen mit praktischem Programmiercode bietet und darüber hinaus eine hochmoderne Einführung in Deep Learning in Computer Vision und Tauchen Sie ein in dieses Buch, wenn Sie in die Tiefe des Lernens eintauchen möchten!“

— Jiawei Han, Michael Aiken Chair Professor, University of Illinois at Urbana-Champaign

„Dies ist eine äußerst willkommene Ergänzung der Literatur zum maschinellen Lernen, wobei der Schwerpunkt auf praktischen Erfahrungen liegt, die durch die Integration von Jupyter-Notebooks umgesetzt werden. Studierende des Deep Learning sollten dies von unschätzbarem Wert finden, um sich in diesem Bereich kompetent zu entwickeln.“

— Bernhard Schölkopf, Direktor, Max-Planck-Institut für Intelligente Systeme

„Dive into Deep Learning bietet eine hervorragende Balance zwischen praktischem Lernen und ausführlicher Erklärung. Ich habe es in meinem Deep-Learning-Kurs verwendet und empfehle es jedem, der ein gründliches und praktisches Verständnis von Deep Learning entwickeln möchte.“

— Colin Raffel, Assistenzprofessor, University of North Carolina, Chapel Hill

Mitwirken (erfahren Sie wie)

Dieses Open-Source-Buch hat von pädagogischen Vorschlägen, Tippfehlerkorrekturen und anderen Verbesserungen von Community-Mitwirkenden profitiert. Ihre Hilfe ist wertvoll, um das Buch für alle besser zu machen.

Liebe D2L-Mitwirkende, bitte senden Sie Ihre GitHub-ID und Ihren Namen per E-Mail an d2lbook.en AT gmail DOT com, damit Ihr Name in den Danksagungen erscheint. Danke.

Lizenzzusammenfassung

Dieses Open-Source-Buch wird unter der Creative Commons Attribution-ShareAlike 4.0 International License zur Verfügung gestellt. Siehe LICENSE-Datei.

Der Beispiel- und Referenzcode in diesem Open-Source-Buch wird unter einer modifizierten MIT-Lizenz zur Verfügung gestellt. Siehe die Datei LICENSE-SAMPLECODE.

Chinesische Version | Probleme besprechen und melden | Verhaltenskodex