文章吧手机版
《深度学习的数学》经典读后感有感
日期:2021-03-17 01:28:44 来源:文章吧 阅读:

《深度学习的数学》经典读后感有感

  《深度学习的数学》是一本由[日]涌井良幸 / [日]涌井贞美著作,人民邮电出版社出版的平装图书,本书定价:69.00元,页数:236,特精心从网络上整理的一些读者的读后感,希望对大家能有帮助。

  《深度学习的数学》精选点评:

  ●优点:书很薄,注重细节,大量图示方便理解记忆。 缺点:数学公式太多,容易让人产生困惑。亮点:excel验证法。 总结:作为入门书,对于理解深度学习可以一读。

  ●不如直接看看cmu dl直接

  ●讲求导的数不少,这本书好在零基础,图画得很不错,里面用excel的创意也不错,能够实际的看到step的过程, 这本书最适合需要深入了解什么神经网络的人,码农不需要,太简单了。 胜在简单易懂(注意一下作者的年龄)

  ●通俗易懂。。。不过比喻好像毫无意义,,,///书名和内容并非强相关

  ●四五小时就能看完,跟着书就能把反向传播算法手撸一遍,东西不多但都是干货。书里激活函数是sigmoid,推荐还是照葫芦画瓢自己用ReLU自己再撸一遍。

  ●讲得真的很浅,但是真的很易懂。有了大学数学基础就可以很好的入门,入门书就应该是这个亚子,而不是故弄玄虚忽忽悠悠讲一大堆有的没的。

  ●还是太简单了,不过讲的非常细致,由浅入深,能看懂原理,但是想深入了解深度学习还是算啦。

  ●“符合日本人一贯的风格,名字高大上,内容幼稚园”

  ●非常好的一本深度学习的理论入门书籍,从深度学习涉及的数学知识到梯度下降、误差反向传播和卷积神经网络,由浅入深,难得可贵,用Excel求解更是独具一格。终于弄明白了梯度下降和误差反向传播的关系以及为什么要这么做,如果你对深度学习的入门理论有疑惑,推荐一读。

  ●过于简单…同一个概念能啰嗦好几遍,让人感觉在凑字数

  《深度学习的数学》读后感(一):日本人的数学书写的通俗易懂,值得学习

  从事着跟计算机没什么大关系的行业,纯粹为了了解下AI的基本知识,这本书很合适,以前看了数学女孩的系列书,感觉日本的数学方面还是很有底蕴的,至少有些一些人致力于这个方面,能把复杂的知识用简单的方式讲清楚,一定对其有着很深的认识,把握关键点通过比喻类比之类的方式让读者更容易的理解其中的本质,写书的目的就是为了读者的理解,目标纯粹,值得读一下。

  《深度学习的数学》读后感(二):摘要笔记

  偏导。链式法则。

  梯度下降法求多元函数的最小值。拉格朗日乘数法。

  误差反向传播法确定神经网络的权重和偏置。特点是将繁杂的导数计算替换为数列的递推关系式,而提供这些递推关系式的就是名为神经单元误差(error)的变量。

  利用代价函数求最优化问题。

  卷积神经网络。隐藏层是多个由卷积层和池化层组成的子层。

  《深度学习的数学》读后感(三):深度学习入门最好的书籍

  对于小白来说,想快速入门的话,这是深度学习入门最好的书籍,没有之一。浅显易懂,书中有大量插图。有高等数学基础看起来就不困难。之前看过不少教程,要么花很长时间讲原理,还么原理一带而过。这本书用最短的时间讲清了原理。真棒。

  对于小白来说,想快速入门的话,这是深度学习入门最好的书籍,没有之一。浅显易懂,书中有大量插图。有高等数学基础看起来就不困难。之前看过不少教程,要么花很长时间讲原理,还么原理一带而过。这本书用最短的时间讲清了原理。真棒。

  《深度学习的数学》读后感(四):我现在才知道数学不好的人数学有多不好

  日本生活曾给我了很多文化休克,这本书给我体现得淋漓尽致:

  - 对Excel的病态热爱:他们可以用Excel做一切事情,在Excel上模拟神经网络,在Excel上画画,在Excel上做蒙特卡洛模拟,在Excel上填写学生签证申请……日本人对于自己的国家有很多美誉,色彩之国啦,诸如此类,但其实应当是Excel之国。

  - 对直观化的热爱:给日本人讲东西,公式肯定是不够的,必须要有图示,不过这一点看来倒是个优点,至少他们真的有努力想听懂你在讲什么。但这一点会发展到一个病态的地步,那就是过分「やさしい」,这个词可以写作「優しい」,温柔(你知道这个温柔是什么意思),也可以写作「易しい」(顾名思义,容易的)。书店里到处都可以看到,名为类似「やさしい编程入门」,「大人的编程入门」的东西。

  我最近买了两本书,一本叫做「机器学习中的数学」,一本就是这一本,深度学习的数学。两本都令人失望,谁能想到,数学不好的人居然数学可以这么不好。在我看来,其实这两个领域都有不少可以聊的,而且有趣的内容。从算法出发,讲讲其中的数学原理,让人对于算法有更加直观的认识,机器学习或许应当有更多可说的,因为算法更多,涉及到的可以梳理的数学内容也更多。深度学习虽然直白一些,但也应当有很多东西可以讲,最简单的,比如激活函数的选择,为什么是sigmoid,和其他的相比有何差异,如何从数学上说明,等等。

  但这两本书都只是像教科书一样絮絮叨叨了很多微积分和线性代数的ABC,如果是这样的话,我为什么不去买一本微积分或者线性代数教材。不过前者更糟糕一些,容我日后再骂。这本书如果对于第一次接触到深度学习的人来说,或许是不错的入门书,从对一个具体的例子纵横谈。不过我感兴趣的东西它总是一笔带过。

  我看到评论里有人说,要是自己能学会系统性表述能够赚很多钱,言下之意就是这本书只是讲了皮毛,然而自己只是不会说,自己要是会表述也能写书赚钱。当然。如果你会说话,你可以去当美国总统。所有的职业经理人都比你更会说话,但会说话并不是那么简单的事情。

评价:中立好评差评
【已有2位读者发表了评论】

┃ 《深度学习的数学》经典读后感有感的相关文章

┃ 每日推荐