合著的深度学习教材出配套PPT了！

本书特色

本书是一本由浅入深系统介绍深度学习原理及开源Pytorch深度学习框架的入门书籍，全书通过图文并茂的方式对重点知识点进行讲解，注重实战，详细的讲解了Pytorch的基本使用、神经网络的搭建和训练技巧，卷积神经网络和循环神经网络的实现，以及前沿的深度生成模型的应用。通过学习本书的内容，读者不仅可以入门深度学习，而且可以轻松实现诸如机器作诗、自动作曲、机器翻译、图像去噪等有趣的应用。全书配有注释详细的代码块，方便读者学习与实践，并且提供数据和代码的免费下载链接。本书适用于对人工智能感兴趣的读者，也非常适合作为入门深度学习的培训教材。

主要内容

本书总共包含8个章节，由浅入深的讲解深度学习的理论原理并且搭配生动有趣的案例来将理论付诸实践。第一章为绪论部分，主要为大家讲解深度学习的概念与擅长的领域，深刻剖析它与回归分析、机器学习、人工智能的关系，以及本书所使用的深度学习框架Pytorch的介绍。第二章主要讲解有关神经网络的基础知识，包括神经网络的张量（Tensor）基础和数学基础。第三章介绍前馈神经网络的相关知识，通过图文并茂的方式重点讲解梯度下降算法和反向传播算法。第四章将用三个实际的案例具体展示如何在Pytorch框架下训练一个神经网路。第五章讲解卷积神经网络的基础并运行第一个CNN模型LeNet5。第六章介绍其他经典的CNN模型（AlexNet，VGG，GoogleNet，ResNet）以及在训练深度学习模型时常用的技巧（批量归一化、数据增强、迁移学习等）。第七章介绍序列模型的理论及应用，主要以RNN、LSTM以及编码-解码框架为核心展开。本书的最后一章介绍了深度生成模型，不同于前面章节介绍的模型，本章探讨的是无监督或半监督的深度生成模型，主要包括自编码器和生成式对抗网络，介绍他们的理论原理及其应用。

周静，中国人民大学应用统计科学研究中心研究员，统计学院副教授、博士研究生导师，北京大学光华管理学院博士，研究方向为人工智能辅助肺癌诊断、深度学习模型压缩、复杂网络数据建模等，在Npj digital medicine、Journal of Business & Economic Statistics，Statistic Sinica，Computational Statistics and Data Analysis，Neurocomputing，管理科学等国内外核心期刊发表论文三十余篇，著有专著《社交网络数据：理论与实践》一本，编著《深度学习：从入门到精通》教材一本。主持国家自然科学基金（青年、面上）、北京市社会科学基金、国家统计局重点等多项国家级、省部级以上课题。担任人民邮电出版社数据科学与统计·商业分析系列教材编委会委员。

鲁伟，深度学习算法工程师，著有《深度学习笔记》和《机器学习 公式推导与代码实现》，有多个医学影像深度学习项目管理、研发和落地经验。

“数据科学与大数据丛书”旨在帮助读者筑牢数据科学的统计学基础，掌握大数据时代的先进的计算机技术，训练解决实际问题的分析思维，提高数据分析和价值发现的能力。本套丛书中每本教材各有侧重，共同构成了完整的数据科学教学体系。

同时，为满足教学需要，我们又为该书配备了随书PPT，方便各位老师进行备课和参考。有需要的老师可以点击阅读原文链接或者下述链接，填写邮箱等信息，PPT会在晚些时候发送到您的邮箱。

PPT获取链接：https://www.wjx.cn/vm/w9RYEqr.aspx#