索书号：TP312PY/27
ISBN:978-7-115-60777-5
责任者：罗纳德·T.纽塞尔著；辛愿译
出版社：人民邮电出版社
主题词：软件工具-程序设计-机器学习
馆藏库：图书馆二楼重点专业阅览室
导 读
      《深度学习的数学——使用Python语言》是由美国计算机科学博士罗纳德·T.纽塞尔（Ronald T. Kneusel）撰写、辛愿翻译，人民邮电出版社出版的技术类书籍。该书针对深度学习实践中数学理论与工程实践脱节的问题，旨在帮助技术人员通过代码实现理解算法的数学本质。
        全书共11章，系统梳理概率论、统计学、线性代数与微分等数学工具，结合NumPy、SciPy等Python库的代码示例，剖析神经网络工作机制、反向传播与梯度下降等核心算法。书中通过动手实操来阐述概念，在第一章即引导读者搭建工作环境并简要介绍了相关的Python组件。前8章聚焦数学基础推导，后3章延伸至数据流处理与优化算法实现，形成从数学抽象到代码落地的完整框架。附录提供延伸学习资源，同时为NumPy、SciPy等库提供了初学者指南，配套代码托管于GitHub平台。书籍采用理论与实践双轨教学模式，默认读者具备高中数学与Python编程基础，适合需强化数学原理的深度学习从业者；建议纯小白慎重阅读。
        深度学习是一门注重应用的学科。理解其背后的数学原理，有助于在应用深度学习解决实际问题时更有效地进行。本书通过Python代码示例和动手实践，讲解深度学习所涉及的关键数学知识，包括概率论、统计学、线性代数、微分、矩阵微分等，并进一步解释神经网络、反向传播、梯度下降等深度学习领域关键知识背后的原理。书中提供了代码示例和在线资源，例如GitHub上的代码库。
        本书的内容覆盖从基础数学到深度学习应用，可作为拓展深度学习理论的参考书。