Deep Learning深度學習基礎｜設計下一代人工智慧演算法

第1章 神經網路
第2章 訓練正向饋送神經網路
第3章 運用TensorFlow 實現神經網路
第4章 超越梯度遞減
第5章 卷積神經網路
第6章 嵌入和表達方式的學習
第7章 序列分析模型
第8章 記憶強化神經網路
第9章 深度強化學習

序

　　21世紀初，神經網路再次受到關注，其中「深度學習（Deep Learning）」已成為非常活躍的研究領域，同時也為現代機器學習鋪展了一條康莊大道。本書將透過解說和實例，協助你理解這個複雜領域的一些主要概念。事實上，包括Google、微軟和Facebook 等大公司，很早就開始關注這個領域的發展，而且這些公司內部的深度學習團隊也一直在積極擴展。對於我們這些其他人來說，深度學習仍是個相當複雜而困難的主題。一般研究論文總是充斥各種專業術語和行話；如果想瞭解深度學習如何解決問題及其原理，網路上分散各處的線上教程似乎也沒什麼幫助。因此，我們的目標就是希望能消除這其中的落差。

　　預備知識與目標讀者

　　本書設定的目標讀者，對微積分、矩陣和Python 程式設計都應該要有基本的理解。如果缺乏這些背景就想閱讀本書，雖然並非不可能，但肯定很有挑戰性。如果讀者具備線性代數的背景知識，對於本書某些數學相關章節也很有幫助。

　　讀完本書之後，我們希望讀者能在以下幾個方面，留下具體而直接的認知：運用深度學習來解決問題的做法、現代深度學習方法的歷史背景、熟悉如何使用TensorFlow 開源函式庫實現深度學習演算法。

譯者序

　　這次翻譯本書非常開心，收獲出乎意料的多。

　　首先第一大功勞，一定要感謝碁峰資訊選中此書，還給了非常充足的時間！！在如此充裕的條件下，身為譯者的我除了完成譯稿之外，還額外完成了好幾件重要的工作。^_^

　　首先是我在這次的翻譯工作中，結合Google 譯者工具包，打造了一個翻譯輔助外掛系統，這個系統大大提昇了翻譯的速度與品質。過去我曾使用過好幾種翻譯輔助系統（像是Trados、OmegaT、雅信、雪人、輕敲互動翻譯、TermSoup⋯等，當然還有Google譯者工具包本身），或多或少都有一些不順手的地方。我一直想做個自己用起來順手的工具，但平時沒在翻譯就提不起勁，翻譯期間又往往沒有餘裕，這次好不容易有了充裕的時間，一開始我便花了些心思打造系統，後來邊翻譯邊改系統，越用越順手，到翻譯完成時系統也達到了一定的成熟度，心裡著實感到特別高興。

　　另一個收獲，就是這本書的內容，對於我很感興趣的自然語言有許多著墨。雖然當初並沒有抱著很高的期望，但實際翻譯後發現書中介紹的許多主題（尤其第六、七章的序列分析、詞性分析、SyntaxNet、情緒分析、機器翻譯⋯）正是我急切想要了解的內容！！當初Google 開放相關原始碼時，我想進一步了解卻還是感到煩惱，就是因為如果直接去讀那些程式碼，相應說明不足的情況下恐怕非常吃力，沒想到這本書做了相當深入淺出的介紹，我甚至可以循著書中許多思路，進一步改善前面所提到的翻譯輔助系統！

　　這真是太神奇了，傑克⋯⋯^_^