关于这本书
《Deep Learning》2016 年出版，至今仍是 AI 领域最重要的教科书之一。
十个关键收获
- 表示学习：深度学习的核心不是分类，而是学习好的表示
- 反向传播：链式法则的工程实现，所有神经网络的训练基础
- 正则化：Dropout、L1/L2 等防止过拟合的技术
- CNN：卷积对图像的空间不变性建模
- RNN 与 LSTM：序列建模的演进
- 优化方法：SGD、Adam、动量法的优劣
- 激活函数：ReLU 为什么好用
- Batch Normalization：解决内部协变量偏移
- 生成模型：GAN 和 VAE 的原理
- 表示学习 vs 特征工程：AI 进步的底层逻辑