"Dive into Deep Learning" (d2l-zh) ist die chinesischsprachige Ausgabe des weit verbreiteten Open-Source-Lehrbuchs für Deep Learning, das von Aston Zhang, Zachary Lipton, Mu Li und Alexander J. Smola erstellt wurde. Es verbindet klare mathematische Erklärungen, funktionierenden Code und interaktive Jupyter-Notebooks in einer einzigen Ressource, sodass Lernende die Theorie lesen und sofort die entsprechende Implementierung ausführen und anpassen können.
Das Buch führt von grundlegenden Machine-Learning-Konzepten bis hin zu modernen Deep-Learning-Architekturen, darunter Convolutional Neural Networks, Recurrent Networks, Natural Language Processing, Attention-Mechanismen und Optimierungstechniken. Codebeispiele sind ausführbar und frameworkbasiert, was es einfach macht, mit echten Modellen zu experimentieren, anstatt nur statischen Text zu lesen.
Diese Ressource eignet sich für Lernende, die bereits über Python- und grundlegende Mathematikkenntnisse verfügen und einen strengen, praktischen Weg in das Deep Learning suchen – von Studierenden und autodidaktischen Ingenieuren bis hin zu Dozenten, die Unterrichtsmaterial suchen. Die Philosophie des "Learning by Doing" hat es zu einem der beliebtesten offenen Deep-Learning-Kurse weltweit gemacht, der von Hunderten von Universitäten in vielen Ländern übernommen wurde.
Was Sie finden
- Durchgehende Abdeckung von den Grundlagen bis zu fortgeschrittenen Themen wie Attention und Transformer
- Ausführbarer Code, der mit jedem Konzept verknüpft ist, im interaktiven Notebook-Format
- Kostenloser und offener Zugang, gepflegt durch eine aktive Community