Deep Learning 讀書分享：深度網路的正則化

分享內容

深度網路的正則化：（1）兩種類別：參數正則（L1,L2詳解）和約束正則；（2）其他方式：數據增強，加噪音，早停止，參數共享，集成方法，dropout等。

全網賣到脫銷的「Deep Learning」，自發售以來長期位居美國亞馬遜AI和機器學習類圖書榜首，是所有數據科學家和機器學習從業者的必讀圖書，曾受特斯拉CEO埃隆·馬斯克等眾多國內外專家重磅推薦。

這本書的作者是誰呢？三位大牛！機器學習界名人、GAN的提出者、谷歌大腦研究科學家 Ian Goodfellow，神經網路領域創始三位創始人之一的蒙特利爾大學教授 Yoshua Bengio（也是 Ian Goodfellow的老師）、同在蒙特利爾大學的神經網路與數據挖掘教授 Aaron Courville。

「Deep Learning」從深度學習的基礎知識和原理一直講到最新的方法，而且在技術的應用方面也有許多具體介紹，不僅關注實用的技術教程，還體現了較強的學術性，涵蓋AI領域最新發展。

這本書面向的對象也不僅是學習相關專業的高校學生，還能夠為研究人員和業界的技術人員提供穩妥的指導意見、提供解決問題的新鮮思路。

分享人簡介

王奇文（前百度、阿里資深演算法工程師），先後做過推薦系統、分散式、數據挖掘、用戶建模、聊天機器人。

分享時間

北京時間9月24日10：00

參與方式

如果你覺得活動不錯，歡迎點贊並轉發本文~

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！