在云集了大量技术爱好者的知乎，“深度学习如何入门？”这一问题对浏览量高达1045万。小异不得不感叹：深度学习真是一门极具前景却又容易使学习者产生挫败感的高难度学科！
虽然问题下的回答可谓异彩纷呈，但是短则几百、长则上千字的回答难以覆盖到深度学习的方方面面，更别提在有限的篇幅内解决实际应用中的问题，技术爱好者仅靠这些碎片化的答案很难了解深度学习的全貌。对于初学者而言，更是需要有针对性、系统化的读物。
在此，小异向大家推荐《深度学习高手笔记》这本书。
（点击封面即可购买图书，限时特惠5折⬆️）
本书作者是就职于京东零售-技术与数据中心的杰出研发者刘岩，他已深耕深度学习领域多年，这本书就是他基于过往经验打造出的高水准之作，京东两位副总裁对作者和本书都给出了不菲的评价。
“对比业内同类书籍，本书将深度学习算法的讲解提升到了一个新的高度，是你深入了解深度学习的不二之选。”
——京东集团副总裁、京东零售技术委员会主席颜伟鹏
“本书包含作者对深度学习的独特见解和全新思考，知识丰富、架构清晰、重点突出、可读性好。”
——京东集团副总裁，京东零售技术委员会数据算法通道会长包勇军
刘岩也做到了“产研相结合”，将科学理论运用到实际工作中，再将工作中遇到的问题抽象形成更深的学习感悟，形成良性循环。除此之外，他还是一名知乎大V（ID：大师兄），说不定你曾经也拜读过他的精彩回答。
下面就和小异一起看看，这本深度学习领域新作究竟有何奥秘。
01
只要一本书，0距离接触学霸
小异给各位推荐本书的重磅原因之一是作者刘岩是一个毋庸置疑的学霸，这本书更被称作是“学霸笔记”。
刘岩是毕业于澳门大学计算机科学专业硕士。在学生期间就从事人工智能相关研究，发表了多篇计算机视觉、自然语言处理等方向的专利和学术论文。
毕业之后，他从事深度学习相关工作，擅长前沿人工智能算法的原理分析和应用落地，擅长计算机视觉、自然语言处理等方向的技术, 先后参与并负责了多个深度学习算法在不同场景的业务落地，如光学字符识别、公式识别、人脸识别、手势识别、视频抠像、文本分类/命名实体识别、预训练语言模型、语音识别、图神经网络等。
目前在京东，刘岩主要负责电商场景下预训练语言模型的研发以及舆情风险的智能识别与治理。
由于出色的技术能力，刘岩听从朋友的建议将几篇学习笔记上传到了知乎，却意外得到了大量的收藏和关注。目前其知乎粉丝数量超过1.5万，赞同次数超过1.7万。本书截稿时，在知乎上已更新了一百多篇文章，也有了几百万的阅读量。
▲
图：刘岩的知乎主页
为了帮助更多技术爱好者系统理解深度学习，在与人民邮电出版社的合作之下，刘岩将知乎专栏下的文章经过整理、修改、精校、勘误之后完成了本套图书。可以说，这本书就是让学霸手把手领你入门深度学习的最佳选择！
02
一切从实战出发
本书是一本近乎新鲜出炉的技术新作，于今年10月刚刚问世。相比《深度学习》这类殿堂级AI圣经，《深度学习高手笔记》更侧重从实战出发。目前关于本书的评价中，几乎都不约而同提到了本书的实用性极高。如果正有待解决的实际问题，本书绝对是你的不二之选。
“对算法的描述贴近于实际使用，且能够结合与已有的知识广征博引，对比不同算法之间的优劣，对算法的落地和指向有非常大的帮助。”
——豆瓣用户see u
“相比其他书籍而言，作者的新书内容知识更偏实际应用，同时囊括了最近几年流行的很多算法，包括各种经典网络:卷积和transformer、轻量级网络、模型网络搜索、模型优化等等，太适合我这种不喜欢研究，而喜欢实际应用的人了。”
——豆友JeGvQf7RLM
本书脉络清晰、一目了然，卷1基础算法共分为三篇：
· 第一篇介绍深度学习在计算机视觉方向的一些卷积神经网络，从基础骨干网络，轻量级CNN、模型架构搜索3个方向展开，介绍计算机视觉方向的30余个里程碑算法。
· 第二篇介绍深度学习在自然语言处理方向的重要突破，主要包括几个基础序列模型，如LSTM、注意力机制、Transformer等，以及近年来以 BERT为代表的10余个词向量模型。
· 第三篇介绍模型优化的经典策略，共分为两个方向，一个方向是Dropout及其衍生算法，另一个是以批归一化、层归一化为代表的归一化算法。
在这里，小异要提醒大家：本书源于一系列算法或者论文的读书笔记，不同章节的知识点存在相互依赖的关系，因此知识点并不是顺序展开的。另外，本书的内容以经典和前沿的深度学习算法为主，因此没有过多介绍深度学习的基础知识。如果在阅读本书时发现一些概念晦涩难懂，请移步其他基础类图书查阅相关知识点。比如，之前小异多次打call的《深度学习》就十分值得参考！
此外，为了帮助读者阅读更顺畅、更好地理解知识，作者在每一节的开始都给出了相关算法依赖的重要章节，并在配套资源中给出两卷书整体的知识拓扑图。这种用心程度，可以说是学霸本色了。
03
作者亲授读书方法，效率UP！
2014年是深度学习蓬勃发展的一年，刘岩也由此与人工智能与深度学习结下了不解之缘。
3年的求学生涯和5年的工作生涯中，他既见证了SVM、决策树、ELM等传统机器学习方法的没落，也了解了深度学习在各个方向的突破性进展，既发表过使用传统机器学习方法解决神经机器翻译或者细胞检测问题的论文，也使用深度学习技术在OCR，公式识别，人像抠图，文本分类等方向实现了业务落地。
8年来，刘岩研读了很多论文和源码，也做了很多项目和实验，充分了解不同技术水平和从业年限的读者之间的差别，并针对性给出了不同人群在阅读本书时的差异化方法，绝对是一位称职的“大师兄”。
如果你是下列三类群体，可以根据读者的建议“对号入座”：
· 学习基础薄弱群体：可以结合本书提供的知识拓扑图和章节先验知识，优先阅读拓扑图中无先验知识的章节，读懂该章节后便可以将这个章节在拓扑图中划掉，然后逐步将拓扑图清空。
· 有一定深度学习基础：对一些经典的算法（如VGG、残差网络、LSTM、Transformer、Dropout、BN等）都比较熟悉，可以按顺序阅读本书，并在遇到陌生的概念时根据每一节提供的先验知识去阅读相关章节。
· 只想了解某些特定算法：可以直接跳到相关章节，因为本书章节的内容都比较独立，而且会对重要的先验知识进行复盘，所以单独地阅读任何特定章节也不会有任何障碍。
学霸出品，必属精品。鉴于本书一切从实践出发的核心宗旨，作者提供了源代码、知识拓扑等免费配套资源，并由异步社区（https://www.epubit.com）提供相关资源和后续服务，读者可以访问异步社区本书页面来获取。
04
结语
以深度学习为代表的第三次人工智能热潮正在逐渐高涨，AI行业的人才也随着各行业复苏而增长。中国人工智能人才发展报告（2022）指出，人工智能领域科技领军型人才的重要性将进一步突显，人工智能人才队伍的规模将进一步壮大。要想在人工智能领域取得一番成就，必须具有更为突出的核心竞争力。
▲（点击封面即可购买，限时特惠满100-50）
《深度学习高手笔记》也在这样的时代背景下应运而生。通过阅读本书，读者可以深入理解主流的深度学习基础算法，搭建起自己的知识体系，领会算法的本质，学习模型优化方法。无论是从事深度学习科研的教师及学生，还是从事算法落地实践的工作人员，都能从本书中获益。
如果你有志成为AI先锋人才队伍中的一员，就抓紧入手这本《深度学习高手笔记》吧！它能够助你乘风破浪、弯道超车，让你快速成为一名深谙技术理论，又具备实际应用能力的创新性人才。
838
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
