深度学习 短评

  • 5 Vamei 2019-01-31

    听大佬聊八卦,特别是神经网络的生物学原理。

  • 4 小宇宙™ 2019-01-31

    翻了翻,不值这个价

  • 3 小明之友baby 2019-03-30

    感觉还是很厉害,人类对未知的探索很艰辛,但一点点的开拓,却属不易啊!

  • 2 Mustard 2019-02-14

    关于深度学习的新闻,最近几乎每天都能看到,但是却看不懂。好在这本书门槛不高,没什么基础也能读懂,看完之后,差不多完全理解了这个技术的各种特点,能抓住现在科技发展的潮流了。 不得不说,对人工智能发展而言,深度学习真的太重要了。

  • 2 孙景真 2019-04-23

    神经网络的生物学原理啃起来太费劲了,人脑真是大自然最神奇的产物。意识就是运行在大脑操作系统上的应用程序,储存我们一生积累的大量经验,并塑造我们的行为。“如果我们能够弄清楚大脑的操作系统是如何工作的,就可以基于相同的一般原则来组织大数据。”!?!

  • 2 josuya 2019-01-28

    选择这本书只有两个原因:第一,2018年MIT出版社出版;第二,Hinton说“特伦斯是一名杰出的神经科学家,我们于1986年共同发明了玻尔兹曼机”。读完之后,感觉对于深度学习,其实我们都是外行,因为这是一种融合了多门科学智慧的方法。

  • 1 Will, day++ 2019-06-24

    跳过算法的描述,算是不错的deep mind科普了,毕竟数学不是谁都能看懂的,否则自己也不用崇拜数学家了。 从科普的角度看,好好读一下第1和3部分就好。第2部分相关的算法,没有数学基础的话翻翻了解一下概念和演进历程就好。科普如果把重点放在科,普也会感到挫败😂

  • 1 挑灯看剑 2019-05-20

    一线学者亲身讲述神经网络崛起的科技史

  • 1 漂流在外的蘑菇 2019-05-19

    有技巧地厚积薄发

  • 1 Andrew 2019-04-27

    1.作者在深度学习领域的研究历程。内容广而不深。 2.深度学习的应用超前于理论。类似人类尚未能解释大脑的学习以及意识的机理。 3.深度学习理论的发展是否有助于解释人脑,甚至是其他生物的进化学习过程?

  • 1 qxde01 2019-04-25

    神经网络的历史回顾,主要参与者的贡献

  • 1 木更津二日醉 2019-04-07

    人工智能的历史回顾,有那么多的技术奇点在到来的时候悄无声息

  • 1 三叶草 2019-03-25

    对人工智能深度学习这一新的跨学科领域的脉络有了大致的了解,里边的专业概念已经尽可能简明了,但门外汉如我理解上还是有困难。进化比人类聪明多了,但人类上下求索的努力也是瑰丽的历程。本书注重AI研究历史和理论脉络(读库近期也有一篇讲算法的,貌似更简洁一些。本书作者大佬因为在领域中太熟络有时候有点絮絮叨叨),21 lessons偏重探讨infotech+biotech对人类社会的颠覆性影响

  • 1 yananm 2019-03-30

    酣畅淋漓

  • 1 未央 2019-03-27

    本书是作者深度学习的科研历程,不是深度学习的入门教材。

  • 1 河树 2019-04-02

    “数字计算机是一种通用设备,它可以被编程来计算任何东西,虽然效率很低,但苍蝇是一种专用计算机,可以看和飞,但无法平衡我的账户收支。”视觉网络与神经网络的关系,人工智能的发展历程与神经科学发展的关系,很不错的一本书。

  • 1 河底的石头 2019-04-02

    任何足够先进的技术都与魔法无异

  • 1 jzhang 2019-03-24

    深度学习在这本书里是一个concept,并不是cs里的deep learning。Lecun的中文名没用燕乐存。更多的是介绍ai的发展历史,专业性的东西不少。新时代终身学习的理念和关于学习这件事的介绍值得一看。

为什么被折叠? 有一些短评被折叠了
评论被折叠,是因为发布这条评论的帐号行为异常。评论仍可以被展开阅读,对发布人的账号不造成其他影响。如果认为有问题,可以联系豆瓣读书。
  • 1 Moon 2019-01-31

    第一部分综述了人工智能和脑科学的飞速发展及广泛的应用,也包括一些隐忧。这波人工智能突破关键是神经网络算法出现,也即深度学习,而作者正是主要参与者之一。神经网络算法不同于符号学说,其大量借鉴人类大脑运作机制,而这也是作者的核心主张:人工智能算法与人类大脑学习模式有着同构性,未来人工智能领域的突破很可能是因为人类对大脑认识有了进一步飞跃。第二部分是全书的核心,其介绍了神经网络算法中几个关键点的突破,内容包括:感知器(单层到多层,加入隐含层以处理抽象认知)、玻尔兹曼机、反向传播算法、卷积学习、奖励学习(强化学习)、生成式对抗网络等。延续了50多年,几代科学家不懈努力和坚持,让这一当初被人抛弃的学派重见天日,并且主导了当下人工智能发展趋势。这部分涉及不少技术细节。第三部分是关于未来的展望。

  • 0 芊霓 2019-03-30

    个人记忆串起了学科历史和行业历史