《深度学习500问》正式出版！GitHub星标数超4.2万的火爆之作 | 赠书( 二 ) 编辑|陈大鑫AI领域蓬勃发展

从事与深度学习相关的工作是一件令人自豪的事情，同时，理解深度学习也是一件神秘和令人兴奋的事情，希望本书可以帮助你跨越深度学习的门槛，带你感受深度学习的魅力！
2书籍作者
本书由谈继勇担任主编，郭子钊、李剑佃松宜等人担任副主编。
●谈继勇（主编），南方科技大学和哈尔滨工业大学联合培养博士（在读），现任瀚维智能医疗技术总监，深圳工信局专家库专家，兼任南方科技大学、四川大学研究生企业导师，南方科技大学和瀚维智能医疗联合实验室副主任，北京探工所特聘技术专家，曾先后在中科院信工所、香港中文大学（深圳）、FOXCONN机器人与人工智能实验室、顺丰科技等单位任职。主要专注于智能感知与控制、实时智能与计算机视觉方向的研究，主持/主研国家自然科学基金、省重点研发计划、深圳战略性新兴产业计划等项目20余项，发表SCI/EI论文20余篇，申请发明专利40余项，获全国发明金奖。
●王晋东（特邀编委），中科院计算所博士，微软亚洲研究院机器学习研究员，主要从事迁移学习和机器学习方向的研究工作，在IJCAI、CVPR、ICDM、UbiComp、ACMMM、PERCOM、IJCNN、PRICAI、IEEETNNLS、NEUNET、PRL、PMCJ、IMWUT、IJMLC、ICME、ACMTIST等国际权威期刊和会议上发表论文20余篇。作品有《迁移学习简明手册》等。
3书籍目录
本书系统地描述了深度学习的基本理论算法及应用。
全书共14章，第1~3章论述了数学基础、机器学习基础和深度学习基础；
第4~7章介绍了一些经典网络及计算机视觉领域中常用的CNN、RNN、GAN等网络结构技术；
第8~9章介绍了深度学习在计算机视觉领域的目标检测及图像分割两大应用；
第10~14章介绍了计算机视觉领域主要的优化方法及思路等，包括迁移学习、网络架构及训练、网络优化技巧、超参数调整及模型的压缩和加速等。
章节目录：
第1章数学基础
第2章机器学习基础
第3章深度学习基础
第4章卷积神经网络的经典结构
第5章卷积神经网络
第6章循环神经网络
第7章生成对抗网络
第8章目标检测
第9章图像分割
第10章迁移学习
第11章网络架构介绍及训练
第12章网络优化技巧
第13章超参数调整
第14章模型压缩、加速和移动端部署
完整目录：
第1章数学基础
1.1向量和矩阵
1.2导数和偏导数
1.3特征值和特征向量
1.4概率分布与随机变量
1.5常见概率分布
1.6期望、方差、协方差、相关系数
第2章机器学习基础
2.1基本概念
2.2机器学习的学习方式
2.3分类算法
2.4逻辑回归
2.5代价函数
2.6损失函数
2.7梯度下降法
2.8线性判别分析
2.9主成分分析
2.10模型评估
2.11决策树
2.12支持向量机（SVM）
2.13贝叶斯分类器
2.14EM算法
2.15降维和聚类
第3章深度学习基础
3.1基本概念
3.2神经网络计算
3.3激活函数
3.4BATCHSIZE
3.5归一化
3.6参数初始化
3.7预训练与微调
3.8超参数
3.9学习率
3.10正则化
第4章卷积神经网络的经典结构
4.1LeNet-5
4.2AlexNet
4.3ZFNet
4.4NIN
4.5VGGNet
4.6GoogLeNet
4.7ResNet
4.8DenseNet
4.9CNN模型在GoogLeNet、VGGNet或AlexNet上调整的原因
第5章卷积神经网络
5.1CNN的结构
5.2输入层
5.3卷积层
5.4激活层
5.5池化层
5.6全连接层
5.7二维卷积和三维卷积
5.8理解转置卷积和棋盘效应
5.9卷积神经网络凸显共性的方法
5.10局部卷积
5.11CNN可视化
5.12卷积神经网络的优化及应用
第6章循环神经网络
6.1为什么需要RNN
6.2图解RNN基本结构
6.3RNN的性质
6.4RNN的后项传播
6.5长短期记忆网络（LSTM）
6.6常见的RNN结构上的扩展和改造
6.7RNN在NLP中的经典应用举例
6.8RNN与图像领域的结合举例
6.9RNN与条件随机场
第7章生成对抗网络
7.1GAN的基本概念
7.2GAN的生成模型评价
7.3其他常见的生成模型
7.4GAN的改进与优化
7.5GAN的应用：图像翻译
7.6GAN的应用：文本生成
7.7GAN在其他领域的应用
第8章目标检测
8.1基本概念
8.2two-stage目标检测算法
8.3one-stage目标检测算法
8.4目标检测的常用数据集
8.5目标检测常用标注工具
第9章图像分割
9.1常见的图像分割算法
9.2FCN
9.3U-Net
9.4U-Net++
9.5SegNet
9.6LinkNet
9.7RefineNet
9.8PSPNet
9.9DeepLab系列