zephyr999的博客

Here are more chapters of Machine Learning Yearning. These, along with next week’s chapters, teach you how to use Bias and Variance to prioritize improvements to your ML project. Older ideas about Bias/Variance, for example the “Bias/Variance tradeoff”, are becoming less useful in the deep learning era, and modern ML needs updated guidelines. Read this week’s chapters to learn more!

Table of Contents (draft) Why Machine Learning Strategy 4 ........................................................................................... How to use this book to help your team 6 ................................................................................ Prerequisites and Notation 7 .................................................................................................... Scale drives machine learning progress 8 ................................................................................ Your development and test sets 11 ............................................................................................ Your dev and test sets should come from the same distribution 13 ........................................ How large do the dev/test sets need to be? 15 .......................................................................... Establish a single-number evaluation metric for your team to optimize 16 ........................... Optimizing and satisficing metrics 18 ..................................................................................... Having a dev set and metric speeds up iterations 20 ............................................................... When to change dev/test sets and metrics 21 .......................................................................... Takeaways: Setting up development and test sets 23 .............................................................. Build your first system quickly, then iterate 25 ........................................................................ Error analysis: Look at dev set examples to evaluate ideas 26 ................................................ Evaluate multiple ideas in parallel during error analysis 28 ................................................... If you have a large dev set, split it into two subsets, only one of which you look at 30 ........... How big should the Eyeball and Blackbox dev sets be? 32 ...................................................... Takeaways: Basic error analysis 34 .......................................................................................... Bias and Variance: The two big sources of error 36 ................................................................. Examples of Bias and Variance 38 ............................................................................................ Comparing to the optimal error rate 39 ................................................................................... Addressing Bias and Variance 41 .............................................................................................. Bias vs. Variance tradeoff 42 ..................................................................................................... Techniques for reducing avoidable bias 43 .............................................................................. Techniques for reducing Variance 44 ....................................................................................... Error analysis on the training set 46 ........................................................................................ Diagnosing bias and variance: Learning curves 48 ................................................................. Plotting training error 50 .......................................................................................................... Interpreting learning curves: High bias 51 ............................................................................... Interpreting learning curves: Other cases 53 .......................................................................... Plotting learning curves 55 ....................................................................................................... Why we compare to human-level performance 58 .................................................................. How to define human-level performance 60 ........................................................................... Surpassing human-level performance 61 ................................................................................ Why train and test on different distributions 63 ...................................................................... Page!2 Machine Learning Yearning-Draft V0.5 Andrew NgWhether to use all your data 65 ................................................................................................ Whether to include inconsistent data 67 .................................................................................. Weighting data 68 .................................................................................................................... Generalizing from the training set to the dev set 69 ................................................................ Addressing Bias and Variance 71 ............................................................................................. Addressing data mismatch 72 ................................................................................................... Artificial data synthesis 73 ........................................................................................................ The Optimization Verification test 76 ...................................................................................... General form of Optimization Verification test 78 ................................................................... Reinforcement learning example 79 ......................................................................................... The rise of end-to-end learning 82 ........................................................................................... More end-to-end learning examples 84 .................................................................................. Pros and cons of end-to-end learning 86 ................................................................................ Learned sub-components 88 .................................................................................................... Directly learning rich outputs 89 .............................................................................................. Error Analysis by Parts 93 ....................................................................................................... Beyond supervised learning: What’s next? 94 ......................................................................... Building a superhero team - Get your teammates to read this 96 ........................................... Big picture 98 ............................................................................................................................ Credits 99

Here are more chapters of Machine Learning Yearning. When you start a new Machine Learning project, how do you pick the most promising directions to work on? These chapters describe the mechanics of the manual error analysis process, which will help you pick the most promising directions for your projects.

《高性能MySQL(影印版)(第3版)(英文版)》学习MySQL5.5版提供的新特性，包括存储过程、数据库分区、触发器和视图，实现在复制、高可用性和集群上的改进，实现MySQL在云环境中运行的高性能，优化高级查询特性，如全文检索，充分利用多核处理器和固态硬盘等硬件带来的优势，探索备份和恢复策略——包括新的在线热备份工具。

Foreword Computational Medical Image Analysis has become a prominent field of research at the intersection of Informatics, Computational Sciences, and Medicine, supported by a vibrant community of researchers working in academics, industry, and clinical centers. During the past few years, Machine Learning methods have brought a revolution to the Computer Vision community, introducing novel efficient solutions to many image analysis problemsthat had long remained unsolved.For this revolution to enter the field of Medical Image Analysis, dedicated methods must be designed which take into account the specificity of medical images. Indeed, medical images capture the anatomy and physiology of patients through the measurements of geometrical, biophysical, and biochemical properties of their living tissues. These images are acquired with algorithms that exploit complex med- ical imaging processes whose principles must be well understood as well as those governing the complex structures and functions of the human body. The book Deep Learning for Medical Image Analysis edited by S. Kevin Zhou, Hayit Greenspan, and Dinggang Shen, top-notch researchers from both academia and industry in designing machine learning methods for medical image analysis, cov- ers state-of-the-art reviews of deep learning approaches for medical image analysis, including medical image detection/recognition, medical image segmentation, medi- cal image registration, computer aided diagnosis and disease quantification, to name some of the most important addressed problems. The book, which starts with an in- troduction to Convolutional Neural Networks for Computer Vision presents a set of novel deep learning methods applied to a variety of clinical problems and imaging modalities operating at various scales, including X-ray radiographies, Magnetic Res- onance Imaging, Computed Tomography, microscopic imaging, ultrasound imaging, etc. This impressive collection of excellent contributions will definitely se

Although interest in machine learning has reached a high point, lofty expectations often scuttle projects before they get very far. How can machine learning—especially deep neural networks—make a real difference in your organization? This hands-on guide not only provides the most practical information available on the subject, but also helps you get started building efficient deep learning networks. Authors Adam Gibson and Josh Patterson provide theory on deep learning before introducing their open-source Deeplearning4j (DL4J) library for developing production-class workflows. Through real-world examples, you’ll learn methods and strategies for training deep network architectures and running deep learning workflows on Spark and Hadoop with DL4J. Dive into machine learning concepts in general, as well as deep learning in particular Understand how deep networks evolved from neural network fundamentals Explore the major deep network architectures, including Convolutional and Recurrent Learn how to map specific deep networks to the right problem Walk through the fundamentals of tuning general neural networks and specific deep network architectures Use vectorization techniques for different data types with DataVec, DL4J’s workflow tool Learn how to use DL4J natively on Spark and Hadoop

《Python核心编程（第3版）》是经典畅销图书《Python核心编程（第二版）》的全新升级版本，总共分为3部分。第1部分为讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、GUI编程、数据库编程、Microsoft Office编程、扩展Python等内容。第2部分讲解了与Web开发相关的主题，包括Web客户端和服务器、CGI和WSGI相关的Web编程、Django Web框架、云计算、高级Web服务。第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。[1] 第1部分 通用应用主题 第1章　正则表达式　2 1.1　简介/动机　3 1.2　特殊符号和字符　5 1.2.1　使用择一匹配符号匹配多个正则表达式模式　6 1.2.2　匹配任意单个字符　6 1.2.3　从字符串起始或者结尾或者单词边界匹配　7 1.2.4　创建字符集　8 1.2.5　限定范围和否定　8 1.2.6　使用闭包操作符实现存在性和频数匹配　9 1.2.7　表示字符集的特殊字符　10 1.2.8　使用圆括号指定分组　10 1.2.9　扩展表示法　11 1.3　正则表达式和Python语言　11 1.3.1　re模块：核心函数和方法　12 1.3.2 使用compile()函数编译正则表达式　13 1.3.3　匹配对象以及group()和groups()方法　14 1.3.4　使用match()方法匹配字符串　14 1.3.5　使用search()在一个字符串中查找模式（搜索与匹配的对比）　15 1.3.6　匹配多个字符串　16 1.3.7　匹配任何单个字符（.）　16 1.3.8　创建字符集（[ ]）　17 1.3.9　重复、特殊字符以及分组　18 1.3.10　匹配字符串的起始和结尾以及单词边界　20 1.3.11　使用findall()和finditer()查找每一次出现的位置　21 1.3.12　使用sub()和subn()搜索与替换　22 1.3.13　在限定模式上使用split()分隔字符串　23 1.3.14　扩展符号　24 1.3.15　杂项　27 1.4 一些正则表达式示例　28 1.5　更长的正则表达式示例　33 1.5.1　匹配字符串　35 1.5.2　搜索与匹配……还有贪婪　37 1.6　练习　39[1] 第2章　网络编程　42 2.1　简介　43 2.2　客户端/服务器架构　43 2.2.1　硬件客户端/服务器架构　43 2.2.2　软件客户端/服务器架构　44 2.2.3　银行出纳员作为服务器吗　44 2.2.4　客户端/服务器网络编程　45 2.3　套接字：通信端点　46 2.3.1　套接字　46 2.3.2　套接字地址：主机-端口对　47 2.3.3　面向连接的套接字与无连接的套接字　47 2.4　Python中的网络编程　48 2.4.1　socket()模块函数　49 2.4.2　套接字对象（内置）方法　49 2.4.3　创建TCP服务器　51 2.4.4　创建TCP客户端　54 2.4.5　执行TCP服务器和客户端　56 2.4.6　创建UDP服务器　58 2.4.7　创建UDP客户端　59 2.4.8　执行UDP服务器和客户端　60 2.4.9　socket模块属性　61 2.5　*SocketServer模块　62 2.5.1　创建SocketServer TCP服务器　63 2.5.2　创建SocketServer TCP客户端　64 2.5.3　执行TCP服务器和客户端　65 2.6　*Twisted框架介绍　66 2.6.1　创建Twisted Reactor TCP服务器　66 2.6.2　创建Twisted Reactor TCP客户端　67 2.6.3　执行TCP服务器和客户端　69 2.7　相关模块　69 2.8　练习　70[1] 第3章　因特网客户端编程　74 3.1　因特网客户端简介　75 3.2　文件传输　75 3.2.1　文件传输因特网协议　75 3.2.2　文件传输协议　76 3.2.3　Python和FTP　77 3.2.4　ftplib.FTP类的方法　77 3.2.5　交互式FTP示例　78 3.2.6　客户端FTP程序示例　79 3.2.7　FTP的其他内容　80 3.3　网络新闻　81 3.3.1　Usenet与新闻组　81 3.3.2　网络新闻传输协议　82 3.3.3　Python和NNTP　83 3.3.4　nntplib.NNTP类方法　83 3.3.5　交互式NNTP示例　84 3.3.6　客户端程序NNTP示例　85 3.3.7　NNTP的其他内容　89 3.4　电子邮件　90 3.4.1　电子邮件系统组件和协议　90 3.4.2　发送电子邮件　91 3.4.3　Python和SMTP　92 3.4.4　smtplib.SMTP类方法　92 3.4.5　交互式SMTP示例　93 3.4.6　SMTP的其他内容　94 3.4.7　接收电子邮件　94 3.4.8　POP和IMAP　95 3.4.9　Python和POP3　95 3.4.10　交互式POP3示例　96 3.4.11　poplib.POP3类方法　97 3.4.12　客户端程序SMTP和POP3示例　98 3.4.13　Python和IMAP4　100 3.4.14　交互式IMAP4示例　100 3.4.15　imaplib.IMAP4类中的常用方法　101 3.5　实战　102 3.5.1　生成电子邮件　102 3.5.2　解析电子邮件　104 3.5.3　基于Web的云电子邮件服务　105 3.5.4　最佳实践：安全、重构　106 3.5.5　Yahoo! Mail　108 3.5.6　Gmail　112 3.6　相关模块　115 3.6.1　电子邮件　115 3.6.2　其他因特网客户端协议　115 3.7　练习　116[1] 第4章　多线程编程　122 4.1　简介/动机　123 4.2　线程和进程　124 4.2.1　进程　124 4.2.2　线程　124 4.3　线程和Python　125 4.3.1　全局解释器锁　125 4.3.2　退出线程　126 4.3.3　在Python中使用线程　126 4.3.4　不使用线程的情况　126 4.3.5　Python的threading模块　128 4.4　thread模块　128 4.5　threading模块　132 4.5.1　Thread类　133 4.5.2　threading模块的其他函数　139 4.6　单线程和多线程执行对比　140 4.7　多线程实践　142 4.7.1　图书排名示例　142 4.7.2　同步原语　149 4.7.3　锁示例　149 4.7.4　信号量示例　156 4.8　生产者-消费者问题和Queue/queue模块　159 4.9　线程的替代方案　162 4.9.1　subprocess模块　163 4.9.2　multiprocessing模块　163 4.9.3　concurrent.futures模块　163 4.10　相关模块　165 4.11　练习　165[1] 第5章　GUI编程　168 5.1　简介　169 5.1.1　Tcl、Tk和Tkinter　169 5.1.2　安装和使用Tkinter　170 5.1.3　客户端/服务端架构　170 5.2　Tkinter和Python编程　170 5.2.1　Tkinter模块：添加Tk到应用中　171 5.2.2　GUI编程介绍　171 5.2.3　顶层窗口：Tkinter.Tk()　173 5.2.4　Tk控件　173 5.3　Tkinter示例　174 5.3.1　Label控件　174 5.3.2　Button控件　175 5.3.3　Label和Button控件　175 5.3.4　Label、Button和Scale控件　176 5.3.5　偏函数应用示例　178 5.3.6　中级Tkinter示例　180 5.4　其他GUI简介　185 5.4.1　Tk接口扩展（Tix）　187 5.4.2　Python MegaWidgets（PMW）　188 5.4.3　wxWidgets和wxPython　188 5.4.4　GTK+和PyGTK　190 5.4.5　Tile/Ttk　192 5.5　相关模块和其他GUI　194 5.6　练习　196[1] 第6章　数据库编程　198 6.1　简介　199 6.1.1　持久化存储　199 6.1.2　数据库基本操作和SQL　199 6.1.3　数据库和Python　201 6.2　Python的DB-API　203 6.2.1　模块属性　203 6.2.2　Connection对象　205 6.2.3　Cursor对象　206 6.2.4　类型对象和构造函数　207 6.2.5　关系数据库　209 6.2.6　数据库和Python：适配器　210 6.2.7　使用数据库适配器的示例　210 6.2.8　数据库适配器示例应用　215 6.3　ORM　226 6.3.1　考虑对象，而不是SQL　227 6.3.2　Python和ORM　227 6.3.3　员工角色数据库示例　228 6.3.4　SQLAlchemy　229 6.3.5　SQLObject　240 6.4　非关系数据库　245 6.4.1　NoSQL介绍　245 6.4.2　MongoDB　246 6.4.3　PyMongo：MongoDB和Python　246 6.4.4　总结　250 6.5　相关文献　250 6.6　练习　252[1] 第7章　*Microsoft Office编程　256 7.1　简介　257 7.2　使用Python进行COM客户端编程　257 7.2.1　客户端COM编程　258 7.2.2　入门　258 7.3　入门示例　259 7.3.1　Excel　259 7.3.2　Word　261 7.3.3　PowerPoint　262 7.3.4　Outlook　264 7.4　中级示例　266 7.4.1　Excel　266 7.4.2　Outlook　268 7.4.3　PowerPoint　273 7.4.4　总结　280 7.5　相关模块/包　281 7.6　练习　281[1] 第8章　扩展Python　286 8.1　简介和动机　287 8.1.1　Python扩展简介　287 8.1.2　什么情况下需要扩展Python　288 8.1.3　什么情况下不应该扩展Python　288 8.2　编写Python扩展　289 8.2.1　创建应用代码　289 8.2.2　根据样板编写封装代码　291 8.2.3　编译　296 8.2.4　导入并测试　297 8.2.5　引用计数　300 8.2.6　线程和全局解释器锁　301 8.3　相关主题　302 8.3.1　SWIG　302 8.3.2　Pyrex　302 8.3.3　Cython　302 8.3.4　Psyco　303 8.3.5　PyPy　303 8.3.6　嵌入Python　304 8.4　练习　304[1] 第2部分　Web开发 第9章　Web客户端和服务器　306 9.1　简介　307 9.1.1　Web应用：客户端/服务器计算　307 9.1.2　因特网　308 9.2　Python Web客户端工具　310 9.2.1　统一资源定位符　310 9.2.2　urlparse模块　312 9.2.3　urllib模块/包　313 9.2.4　使用urllib2 HTTP验证的示例　317 9.2.5　将HTTP验证示例移植到Python 3中　319 9.3　Web客户端　322 9.3.1　一个简单的Web爬虫/蜘蛛/机器人　322 9.3.2　解析Web页面　328 9.3.3　可编程的Web浏览　333 9.4　Web（HTTP）服务器　336 9.5　相关模块　339 9.6　练习　341[1] 第10章　Web编程：CGI和WSGI　345 10.1　简介　346 10.2　帮助Web服务器处理客户端数据　346 10.2.1　CGI简介　346 10.2.2　CGI应用程序　347 10.2.3　cgi模块　348 10.2.4　cgitb模块　348 10.3　构建CGI应用程序　349 10.3.1　构建Web服务器　349 10.3.2　建立表单页　351 10.3.3　生成结果页面　352 10.3.4　生成表单和结果页面　353 10.3.5　全面交互的Web站点　357 10.4　在CGI中使用Unicode　362 10.5　高级CGI　364 10.5.1　mulitipart表单提交和文件上传　364 10.5.2　多值字段　364 10.5.3　cookie　365 10.5.4　cookie和文件上传　365 10.6　WSGI简介　373 10.6.1　动机（替代CGI）　373 10.6.2　服务器集成　374 10.6.3　外部进程　374 10.6.4　WSGI简介　375 10.6.5　WSGI服务器　376 10.6.6　参考服务器　377 10.6.7　WSGI应用示例　378 10.6.8　中间件及封装WSGI应用　378 10.6.9　在Python 3中使用WSGI　379 10.7　现实世界中的Web开发　380 10.8　相关模块　380 10.9　练习　381[1] 第11章　Web框架：Django　384 11.1　简介　385 11.2　Web框架　385 11.3　Django简介　386 11.4　项目和应用　390 11.4.1　在Django中创建项目　390 11.4.2　运行开发服务器　393 11.5　“Hello World”应用（一个博客）　394 11.6　创建模型来添加数据库服务　396 11.6.1　设置数据库　396 11.6.2　创建表　398 11.7　Python 应用shell　400 11.7.1　在Django中使用Python shell　400 11.7.2　测试数据模型　402 11.8　Django管理应用　403 11.8.1　设置admin　403 11.8.2　使用admin　404 11.9　创建博客的用户界面　410 11.9.1　创建模板　411 11.9.2　创建URL模式　412 11.9.3　创建视图函数　415 11.10　改进输出　418 11.11　处理用户输入　422 11.11.1　模板：添加HTML表单　423 11.11.2　添加URLconf项　423 11.11.3　视图：处理用户输入　423 11.11.4　跨站点请求伪造　424 11.12　表单和模型表单　426 11.12.1　Django表单简介　426 11.12.2　模型表单示例　427 11.12.3　使用ModelForm来生成HTML表单　427 11.12.4　处理ModelForm数据　428 11.13　视图进阶　429 11.14　*改善外观　431 11.15　*单元测试　432 11.15.1　blog应用的代码审查　434 11.15.2　blog应用总结　439 11.16　*中级Django应用：TweetApprover　439 11.16.1　创建项目文件结构　440 11.16.2　安装Twython库　445 11.16.3　URL结构　446 11.16.4　数据模型　449 11.16.5　提交新推文以便审核　453 11.16.6　审核推文　457 11.17　资源　465 11.18　总结　465 11.19　练习　466[1] 第12章　云计算：Google App Engine　470 12.1　简介　471 12.2　云计算　471 12.2.1　云计算服务的层次　472 12.2.2　App Engine　473 12.3　沙盒和App Engine SDK　476 12.4　选择一个App Engine框架　479 12.5　Python 2.7支持　485 12.5.1　一般差异　486 12.5.2　代码中的差异　486 12.6　与Django比较　487 12.6.1　开始“Hello World”　487 12.6.2　手动创建“Hello World”（Zip文件用户）　488 12.7　将“Hello World”改成一个 简单的博客　489 12.7.1　快速发现改动：30秒内将纯文本转成HTML　489 12.7.2　添加表单　490 12.7.3　添加Datastore服务　492 12.7.4　迭代改进　496 12.7.5　开发/SDK控制台　496 12.8　添加Memcache服务　502 12.9　静态文件　505 12.10　添加用户服务　505 12.10.1　Google账号验证　506 12.10.2　联合验证　507 12.11　远程API shell　507 12.12　问与答（Python实现）　509 12.12.1　发送电子邮件　509 12.12.2　接收电子邮件　510 12.13　使用XMPP发送即时消息　512 12.14　处理图片　514 12.15　任务队列（非定期任务）　514 12.15.1　创建任务　515 12.15.2　配置app.yaml　515 12.15.3　其他任务创建选项　516 12.15.4　将发送电子邮件作为任务　517 12.15.5　deferred包　519 12.16　使用Appstats进行分析　520 12.16.1　在app.yaml中添加标准处理程序　521 12.16.2　添加自定义Admin Console页面　521 12.16.3　作为内置界面启用界面　521 12.17　URLfetch服务　522 12.18　问与答（无Python实现）　522 12.18.1　Cron服务（计划任务作业）　523 12.18.2　预热请求　523 12.18.3　DoS保护　524 12.19　厂商锁定　524 12.20　资源　525 12.21　总结　526 12.22　练习　527[1] 第13章　Web服务　530 13.1　简介　531 13.2　Yahoo!金融股票报价服务器　531 13.3　Twitter微博　534 13.3.1　社交网络　534 13.3.2　Twitter和Python　535 13.3.3　稍微长一点的API组合应用示例　537 13.3.4　总结　547 13.3.5　额外在线资源　548 13.4　练习　548[1] 第3部分　补充/实验章节 第14章　文本处理　553 14.1　逗号分隔值（CSV）　554 14.1.1　CSV简介　554 14.1.2　再论股票投资组合示例　556 14.2　JSON　557 14.3　可扩展标记语言　561 14.3.1　XML简介　562 14.3.2　Python和XML　562 14.3.3　XML实战　566 14.3.4　*使用XML-RPC的客户端-服务器服务　569 14.4　参考文献　573 14.5　相关模块　574 14.6　练习　574[1] 第15章　其他内容　577 15.1　Jython　578 15.1.1　Jython简介　578 15.1.2　Swing GUI开发示例　579 15.2　Google+　581 15.2.1　Google+平台简介　582 15.2.2　Python和Google+API　582 15.2.3　一个简单的社交媒体分析工具　582 15.3　练习　590[1] 附录A　部分练习参考答案　593 附录B　参考表　597 B.1　Python关键字　597 B.2　Python标准操作符和函数　598 B.3　数值类型操作符和函数　599 B.4　序列类型操作符和函数　600 B.5　字符串格式化操作符转换符号　602 B.6　字符串格式化操作符指令　603 B.7　字符串类型内置方法　603 B.8　列表类型内置方法　605 B.9　字典类型内置方法　605 B.10　集合类型操作符和内置函数　606 B.11　文件对象方法和数据属性　607 B.12　Python异常　608 B.13　类的特殊方法　610 B.14　Python操作符汇总　612[1] 附录C　Python 3：一种编程语言进化的产物　614 C.1　为何Python在变化　614 C.2　都发生了哪些变化　615 C.2.1　print变成了print()　615 C.2.2　字符串：默认为Unicode编码　616 C.2.3　单类类型　616 C.2.4　更新异常的语法　617 C.2.5　整数的更新　618 C.2.6　迭代器无处不在　619 C.3　迁移工具　619 C.3.1　2to3工具　619 C.3.2　Python 2.6+　620 C.4　结论　620 C.5　参考资料　620[1] 附录D　利用Python 2.6+向Python 3迁移　622 D.1　Python 3：Python的下一代　622 D.2　整数　623 D.2.1　单整数类型　624 D.2.2　新型二进制和改进的八进制字符　624 D.2.3　经典除法或真除法　625 D.3　内置函数　626 D.3.1　print语句或print()函数　626 D.3.2　reduce()转移到了functools模块中　627 D.3.3　其他更新　627 D.4　面向对象编程：两种不同的类对象　628 D.5　字符串　629 D.6　异常　630 D.6.1　处理异常（使用as）　630 D.6.2　抛出异常　630 D.7　其他转换工具和技巧　631 D.8　编写兼容版本2.x和3.x的代码　632 D.8.1　对比print和print()　632 D.8.2　将你的方法导入解决方案中　633 D.8.3　整合在一起　634 D.9　结论　635[1]

共738页；带有书签；压缩后为11.7M。 AI圣经！深度学习领域奠基性的经典畅销书！长期位居美国ya马逊AI和机器学习类图书榜首！所有数据科学家和机器学习从业者的bi读图书！特斯拉CEO埃隆·马斯克等国内外众多专家推jian！ 　　深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。 　　本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。 　　封面特色：由艺术家DanielAmbrosi提供的中央公园杜鹃花步道梦幻景观。在Ambrosi的亿级像素全景图上，应用JosephSmarr（Google）和ChirsLamb（NVIDIA）修改后的GoogleDeepDream开源程序，创造了DanielAmbrosi的“幻景”。《深度学习》由全球知名的三位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 　　《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

本书介绍了Python应用在各个领域中的一些使用技巧和方法，从最基本的字符、文件序列、字典和排序，到进阶的面向对象编程、数据库和数据持久化、 XML处理和Web编程，再到比较高级和抽象的描述符、装饰器、元类、迭代器和生成器，均有涉及。书中还介绍了一些第三方包和库的使用，包括 Twisted、GIL、PyWin32等。本书覆盖了Python应用中的很多常见问题，并提出了通用的解决方案。书中的代码和方法具有很强的实用性，可以方便地应用到实际的项目中，并产生立竿见影的效果。尤为难得的是，本书的各位作者都具有丰富的业界实践经验，因此，本书不仅给出了对各种问题的解决方案，同时还体现了很多专家的思维方式和良好的编程习惯，与具体的细节性知识相比，这部分内容无疑是本书的精华。 本书适合具有一定Python基础的读者阅读参考。

实现零相位的RRF算法

一种用来实现零相位滤波的函数，FRR+RRF方法均可实现。