零基礎(chǔ)深度學(xué)習(xí)教程爆火！專為手機(jī)閱讀打造，月超23萬(wàn)人下載，155頁(yè)內(nèi)容免費(fèi)開放

西風(fēng) 2023-05-24 04:15:05 來(lái)源：量子位

西風(fēng) 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

叮！您的深度學(xué)習(xí)口袋書教程，請(qǐng)查收。

這本袖珍版教程，不僅能讓你零基礎(chǔ)看懂深度學(xué)習(xí)，據(jù)說(shuō)十二歲小孩也愛看：

專為手機(jī)閱讀而打造，155頁(yè)內(nèi)容，還都是免費(fèi)的！

不賣關(guān)子，最近一本適合手機(jī)閱讀的袖珍版深度學(xué)習(xí)教程在網(wǎng)上爆火，能從概念這樣的“基礎(chǔ)知識(shí)”開始帶你走近深度學(xué)習(xí)，一個(gè)月就有超過(guò)23萬(wàn)人下載：

這本可以輕松在手機(jī)上閱讀的“掌上小書”，由瑞士日內(nèi)瓦大學(xué)的計(jì)算機(jī)科學(xué)教授Fran?ois Fleuret撰寫。

一個(gè)月前，他在推特發(fā)布了這本小書的測(cè)試版，目前轉(zhuǎn)贊超3000+：

就在昨天，他又發(fā)布了共有155頁(yè)的預(yù)印本?。

推文底下飄滿了網(wǎng)友對(duì)其內(nèi)容及格式的點(diǎn)贊和評(píng)論：

小而美。

這本小書到底有多優(yōu)質(zhì)，不妨我們一起來(lái)看看吧？

從基礎(chǔ)知識(shí)開始講，小白也能看得懂

盡管深度學(xué)習(xí)的大部分內(nèi)容并不是特別難以理解，但，還是得有一定數(shù)學(xué)和計(jì)算機(jī)基礎(chǔ)的。

例如在數(shù)學(xué)上，如微積分、概率論、優(yōu)化、線性代數(shù)和信號(hào)處理基礎(chǔ)都需要掌握；

同時(shí)，它也與計(jì)算機(jī)科學(xué)、編程、算法和高性能計(jì)算緊密相關(guān)，所以部分沒有學(xué)科背景知識(shí)儲(chǔ)備的人學(xué)習(xí)起來(lái)也有一定難度。

但是別擔(dān)心，這本小書的作者可是明確表示：

不打算詳盡講述，而是僅限于提供必要的背景和技術(shù)工具，以便讀者理解一些重要的模型。

先看目錄：

小書正文的第一部分，就是和機(jī)器學(xué)習(xí)、高效計(jì)算、訓(xùn)練相關(guān)的基礎(chǔ)知識(shí)。

緊接著，第二部分就可以根據(jù)上面學(xué)過(guò)的基礎(chǔ)知識(shí)來(lái)理解模型。

最后一塊，自然就是講述有了模型之后的應(yīng)用部分了。

我們接著往下看內(nèi)容。

具體內(nèi)容也是非常易于理解的。

深度學(xué)習(xí)在歷史上屬于更大的統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域，因?yàn)樗鼜母旧蟻?lái)說(shuō)，涉及到從數(shù)據(jù)中學(xué)習(xí)表示的方法。這種技術(shù)最初來(lái)自于人工神經(jīng)網(wǎng)絡(luò)，而“深度”這個(gè)詞強(qiáng)調(diào)模型是由多個(gè)映射組成的長(zhǎng)組合，現(xiàn)在已知能夠?qū)崿F(xiàn)更高的性能。

概念也會(huì)細(xì)化解釋，沒錯(cuò)了，是小白也能看懂的程度。

看過(guò)圖表，才能理解網(wǎng)友說(shuō)的：

出色的格式，出色的內(nèi)容。

這樣簡(jiǎn)潔的格式在手機(jī)或者是Kindle等電子書上看，簡(jiǎn)直不要太爽！

有好奇的網(wǎng)友將奇怪的關(guān)注點(diǎn)放在了繪圖上，想知道這本小書里的圖表是如何繪制的，作者也是毫無(wú)保留，有問(wèn)必答。

內(nèi)容亮點(diǎn)：短小而精悍

上面我們說(shuō)到這本小書主要是包括三大塊的內(nèi)容：基礎(chǔ)知識(shí)（Foundations）、深度模型（Deep models）、應(yīng)用（Applications）。

但作者省略掉了很多內(nèi)容，比如：循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、自動(dòng)編碼器、生成對(duì)抗網(wǎng)絡(luò)（GAN）、強(qiáng)化學(xué)習(xí)(RL)、微調(diào)、圖神經(jīng)網(wǎng)絡(luò)（GNN）、自監(jiān)督訓(xùn)練。

這些內(nèi)容會(huì)在書中用到，但在書中并沒有過(guò)多解釋（當(dāng)然有提到一些論文，想要深入了解的可以自己翻閱論文）。

有網(wǎng)友也對(duì)此產(chǎn)生了疑問(wèn)：

RNN引發(fā)了許多有趣的話題呀，例如梯度爆炸/消失、權(quán)重共享等，如果沒有RNN，可能無(wú)法真正理解這些話題。

作者也是直言，自己想寫一些短小而精悍的東西，所以有些內(nèi)容必須去掉。

畢竟孩子們喜歡“變形金剛”（Transformer）。

真是為入門級(jí)選手量身打造的了！

此外，作者表示這本“口袋書”的針對(duì)的是Tik Tok的用戶群體。

因?yàn)槭謾C(jī)屏幕上的潛在“閱讀時(shí)間”至少比電腦、平板、紙質(zhì)印刷物和實(shí)體書的總和大一個(gè)數(shù)量級(jí)，甚至可能是兩個(gè)數(shù)量級(jí)。

在這本小書的最后，作者表示：

人工智能的最新進(jìn)展讓人興奮。它將對(duì)人們的工作方式、與知識(shí)信息的互動(dòng)方式產(chǎn)生根本性改變，并迫使人們重新思考智能、理解力和感知力等基本概念。

盡管深度學(xué)習(xí)存在弱點(diǎn)，但它將是人工智能新時(shí)代的關(guān)鍵要素之一。

這也許就是作者為什么要寫一本關(guān)于深度學(xué)習(xí)的小書了吧。

作者簡(jiǎn)介

Fran?ois Fleuret是日內(nèi)瓦大學(xué)教授、機(jī)器學(xué)習(xí)團(tuán)隊(duì)負(fù)責(zé)人，洛桑聯(lián)邦理工學(xué)院(EPFL)兼職教授，Idiap研究所外部研究員，Neural Concept SA聯(lián)合創(chuàng)始人。

他于2000年獲得INRIA和巴黎第六大學(xué)的數(shù)學(xué)博士學(xué)位，并于2006年獲得巴黎第十三大學(xué)的數(shù)學(xué)任教資格。此前，他曾在國(guó)際會(huì)議和期刊上發(fā)表了80多篇論文，也是機(jī)器學(xué)習(xí)領(lǐng)域多項(xiàng)專利的發(fā)明者。

他的主要研究興趣是機(jī)器學(xué)習(xí)，特別關(guān)注計(jì)算方面和小樣本學(xué)習(xí)。

傳送門：
[1]https://fleuret.org/public/lbdl.pdf（小書預(yù)印本鏈接）
[2]https://fleuret.org/cgi-bin/gitweb/gitweb.cgi?p=littlebook.git;a=tree（小書的LaTeX模板）
[3]https://tikz.dev/（小書所用的畫圖工具）

參考鏈接：
[1]https://twitter.com/AndyXAndersen/status/1660313982870392837