Deep Learning

这是我围绕 Ian Goodfellow、Yoshua Bengio、Aaron Courville 的《Deep Learning》展开的长期读书笔记与个人感悟系列。

章节入口

这本书的官方在线版本可以免费阅读，但官方明确不提供 PDF。
因此这个系列当前采用的是“官方 HTML 章节链接”方案，而不是本地拆分 PDF。

Front Matter 目录、致谢、记号

• Table of Contents
• Acknowledgements
• Notation

Part I 1-5 · Applied Math and Machine Learning Basics

• 1. Introduction
• 2. Linear Algebra
• 3. Probability and Information Theory
• 4. Numerical Computation
• 5. Machine Learning Basics

Part II 6-12 · Modern Practical Deep Networks

• 6. Deep Feedforward Networks
• 7. Regularization for Deep Learning
• 8. Optimization for Training Deep Models
• 9. Convolutional Networks
• 10. Sequence Modeling: Recurrent and Recursive Nets
• 11. Practical Methodology
• 12. Applications

Part III 13-20 · Deep Learning Research

• 13. Linear Factor Models
• 14. Autoencoders
• 15. Representation Learning
• 16. Structured Probabilistic Models for Deep Learning
• 17. Monte Carlo Methods
• 18. Confronting the Partition Function
• 19. Approximate Inference
• 20. Deep Generative Models

Back Matter 参考文献与索引

• Bibliography
• Index

使用方式

后续每一章笔记会在开头放：

• 一个系列入口链接
• 一个对应章节原文链接

这样既能统一回到系列页，也能直接打开本章原文。

如果要新建一篇章节笔记，可以直接使用这个模板：

hexo new deep-learning-book-note "Chapter 1 读书笔记"

系列说明

• 内容以读书笔记为主
• 会保留我自己的理解和批注
• 当前使用官方 HTML 章节链接，而不是本地 PDF
• 如果你后续提供合法取得的本地 PDF 或 EPUB，我可以再补一次本地切分版本