神经网络的工作机制以及如何将其用于解决模式识别问题，这关乎其实际应用。我们对其感兴趣的另一个原因是希望有一天神经网络可以超越这些基础的模式识别问题：可能神经网络或者其他基于数字计算机的技术，最终用于构建可以媲美甚至超越人类智慧的思维机器。这个问题已经远远超出本书范畴，或者说人类目前的认知极限，但是猜想也是很有意思的。
    111.png
    Michael Nielsen《深入浅出神经网络与深度学习》中文PDF+英文PDF+代码
    《深入浅出神经网络与深度学习》PDF中文，249页；PDF英文，292页；配套代码。
    下载: https://pan.baidu.com/s/1vP_jJoG60jqC-aD7QULXnw
    提取码: 6sgh
    《深入浅出神经网络与深度学习》以技术原理为导向，辅以MNIST 手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目。学完后，将能够通过编写Python 代码来解决复杂的模式识别问题。
    222.png
    神经网络可以使用中间层构建出多层抽象，正如在布尔电路中所做的那样。如果进行视觉模式识别，那么第1 层的神经元可能学会识别边；第2 层的神经元可以在此基础上学会识别更加复杂的形状，例如三角形或矩形；第3 层将能够识别更加复杂的形状，以此类推。有了这些多层抽象，深度神经网络似乎可以学习解决复杂的模式识别问题。正如电路示例所体现的那样，理论研究表明深度神经网络本质上比浅层神经网络更强大。
    333.png
    神经网络是最佳编程范式之一。传统的编程方法告诉计算机做什么，把大问题分解成许多小问题，明确定义任务，以便计算机执行。神经网络不直接告诉计算机如何解决问题，而让它从可观测数据中学习，让它自己找出解决问题的方法。
    111.png 李理《深度学习理论与实战基础篇》PDF+代码
    《深度学习理论与实战基础篇》PDF，306页，带目录，文字可复制；《深度学习理论与实战提高篇》PDF，748页，带目录，文字可复制；配套源代码。
    下载: https://pan.baidu.com/s/1ywlmfIZxV1O0hTbqFgE73A
    提取码: ruqq
    《深度学习理论与实战基础篇》同时兼顾理论和实战，既能深入理解理论知识，又能把理论知识用于实战，每介绍完一个模型都会介绍其实现，阅读完一个模型的介绍之后就可以运行、阅读和修改相关代码，从而可以更加深刻地理解理论知识。
    222.png
    回顾人工智能几十年经历过的起起落落，希望对人工智能及深度学习感兴趣的通过学习能够更加理性、更加全面地看待这个行业，理解人工智能尤其是深度学习的原理并应用，根据当前的技术现状合理地应用深度学习去改变人们的工作、生活和学习。
    333.png
    深度学习理论与实战不仅包含人工智能、机器学习及深度学习的基础知识，如卷积神经网络、循环神经网络、生成对抗网络等，而且也囊括了学会使用 TensorFlow、PyTorch 和 Keras 这三个主流的深度学习框架的最小知识量；不仅有针对相关理论的深入解释，而且也有实用的技巧，包括常见的优化技巧、使用多 GPU 训练、调试程序及将模型上线到生产系统中。