四川大学の優秀な卒業生がGitHubでプロジェクトを構築し、完成前に多くの賞賛を受けた。

近年、ディープラーニングは音声、画像、自然言語処理などの分野で非常に優れた成果を上げており、当然ながら技術者が学ぶホットスポットとなっています。

四川大学の優秀な卒業生が、ディープラーニングを学んでいる仲間を助けるために、GitHub に「ディープラーニングに関する 500 の質問」というプロジェクトを作成しました。これは、一般的な確率の知識、線形代数、機械学習、ディープラーニング、コンピューター ビジョンなどのホットなトピックを質問と回答の形式で説明し、自分自身と困っている読者を助けるものです。 この本は15章に分かれており、約20万語が収録されています。

現在までに、このプロジェクトは 2,106 個の「スター」と 465 個の「フォーク」を獲得しています (GitHub プロジェクト アドレス: https://github.com/scutan90/DeepLearning-500-questions)

この本はまだ完成していませんが、読む価値はあります。この本の内容の詳しい紹介は次のとおりです。

第 3 章 数学の基礎

この章では主に数学の基礎について説明し、関連する基本概念だけでなく、スカラー、ベクトル、テンソルの関係、テンソルと行列の違い、一般的な確率分布など、それらの関係についても説明します。

さらに、さまざまな種類の確率分布と統計（期待値、分散、共分散、相関）の基礎についても説明します。

第2章 機械学習の基礎

この章では、一般的なアルゴリズム、一般的な分類アルゴリズムの長所と短所、分類アルゴリズムの評価方法、ビッグデータとディープラーニングの関係などを列挙しています。第 2 章では多くの知識ポイントを取り上げていますが、非常に包括的です。

第3章 ディープラーニングの基礎

この章から本題に入ります。ニューラル ネットワークを説明するために、本書では最も単純なニューラル ネットワークから始め、ニューラル ネットワークの一般的なモデル構造、ディープラーニング開発プラットフォームの選択方法など、重要な内容を詳しく説明します。たとえば、ニューラル ネットワークの一般的なモデル構造は次のとおりです。

第4章 古典ネットワーク

この章では、LeNet-***lexNet、ビジュアル ZFNet デコンボリューション、GoogleNet モデル構造とモデル解釈など、いくつかの古典的なネットワークを紹介します。たとえば、LeNet-5 のモデル構造は次のとおりです。

上記の内容を読んだ後、この未完成の本を詳しく読みたいと思いましたか? あるいは、この分野で働いている場合は、著者が本を改善するのを手伝うこともできます。

*** GitHub アドレスを添付してください: https://github.com/scutan90/DeepLearning-500-questions