一步步拆解複雜的數學算式, 一筆筆手工算給你看, 硬派學習才能紮穩根基！

「想要學好深度學習, 深入了解底層各種演算法的運算細節絕對有其必要！」相信不少初學者正抱持著相同的想法, 希望好好熟悉 mini-batch 反向傳播、梯度下降等各種深度學習演算法的細節, 但多數的情況卻可能一直碰壁...

原因很簡單, 當你深究神經網路的底層運算, 會發現種種演算法的背後統統都是數學, 學寫程式還行, 滿滿的數學算式卻很容易讓人打退堂鼓, 但是, 真有決心學好基礎千萬不要就此放棄！

其實神經網路底層並沒用到多深的數學, 只需要向量、矩陣等線性代數, 以及偏微分、鏈鎖法則等微分技巧, 掌握這些就綽綽有餘, 但為什麼一堆數學算式總是讓人看了頭昏腦脹？因為數學光用看的是「無感」的！既然無法逃避, 我們就帶你跟數學來個正面對決！當遇到看起來很複雜的數學算式時, 我們會先一步步手工算給你看, 再用 Python + NumPy 算一遍來驗證, 完成這兩個步驟後保證清楚了解各種算式的涵義！

而針對深度學習的精髓－mini-batch 反向傳播運算, 我們也將硬派拆解背後的數學運算, 你將清楚看到 DNN、CNN 神經網路所有「反」著算來進行優化的細節, 這絕對是其他深度學習書籍少見的紮實內容。

若你之前看了一大堆深度學習書籍或網路文章, 始終對數學心存畏懼, 也對底層的運算似懂非懂, 請跟著本書潛心修練, 一定可以紮實養成深度學習的基礎！　
本書特色:
Python 基礎紮根 ✕ 正面迎戰數學 ✕ 神經網路底層概念, 該學的一次搞定！

□惡補深度學習的數學基礎, 手工算最清楚！
對數╱指數╱向量╱矩陣╱矩陣乘積╱微分╱偏微分╱全微分╱鏈鎖法則

□紮實打好 Python 與常用套件的基礎
list╱tuple╱條件式╱迴圈╱函式╱類別╱reshape╱transpose╱NumPy╱Matplotlib╱scikit-learn

□零框架！硬派拆解深度學習演算法背後的數學運算
DNN 反向傳播╱CNN 反向傳播╱mini-batch SGD╱Dropout╱AdaGrad

□詳細解說, 流暢翻譯
本書由【施威銘研究室】監修, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！