UStackUStack
动手学深度学习 favicon

动手学深度学习

《动手学深度学习》 est un manuel de deep learning destiné aux lecteurs chinois, couvrant les implémentations de PyTorch, NumPy/MXNet, TensorFlow et PaddlePaddle.

Qu'est-ce que 动手学深度学习 ?

动手学深度学习

《动手学深度学习》 est un manuel de deep learning conçu spécifiquement pour les lecteurs chinois, visant à fournir une plateforme d'apprentissage exécutable et discutable. Le livre couvre les implémentations de divers frameworks de deep learning, y compris PyTorch, NumPy/MXNet, TensorFlow et PaddlePaddle, permettant aux lecteurs de choisir librement les outils qui leur conviennent le mieux.

Caractéristiques principales

  • Apprentissage interactif : Chaque section comprend des notebooks Jupyter exécutables, permettant aux lecteurs de modifier librement le code et les hyperparamètres pour obtenir un retour d'information instantané.
  • Ressources riches : Fournit des ressources gratuites telles que des supports de cours, des devoirs et des vidéos pédagogiques pour aider les lecteurs à mieux comprendre les concepts clés du deep learning.
  • Communauté active : Chaque chapitre du livre contient des liens pour discuter et échanger avec des milliers d'apprenants.

Usages principaux

Ce livre est utilisé comme manuel ou référence dans plus de 500 universités à travers le monde, convenant aux débutants en deep learning ainsi qu'aux chercheurs expérimentés. Que ce soit pour l'auto-apprentissage ou l'enseignement en classe, le contenu de ce livre fournit des connaissances et des compétences pratiques aux lecteurs.

Versions du livre

La deuxième édition du livre imprimé est désormais disponible sur JD.com et Dangdang, avec un contenu qui est pratiquement le même que la version en ligne, mais optimisé en style et en terminologie pour répondre aux normes de publication et aux normes académiques. Le contenu en ligne a également ajouté des implémentations de PaddlePaddle, garantissant que les lecteurs peuvent accéder aux dernières technologies de deep learning.

En combinant texte, formules et illustrations, le livre détaille les modèles et algorithmes courants en deep learning, et fournit des exemples de code pour implémenter ces modèles à partir de zéro, aidant les lecteurs à pratiquer sur des données réelles et à accumuler de l'expérience pratique en deep learning.

动手学深度学习 | UStack