《深度学习Deep Learning 》中文版 高清完整PDF版带目录

本书包括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。 本书适合各类读者阅读，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。 目录 第1部分 应用数学与机器学习基础 第2章　线性代数 第3章　概率与信息论 第4章　数值计算 第5章　机器学习基础 第2部分 深层网络：现代实践 第6章　深度前馈网络 第7章　深度学习中的正则化 第8章　深度模型中的优化 第9章　卷积网络 第10章　序列建模：循环和递归网络 第11章　实践方法论 第12章　应用 第3部分　深度学习研究 第13章　线性因子模型 第14章　自编码器 第15章　表示学习 第16章　深度学习中的结构化概率模型 第17章　蒙特卡罗方法 第18章　直面配分函数 第19章　近似推断 第20章　深度生成模型

Java Concurrency in Practice

This book covers:, Basic concepts of concurrency and thread safety, Techniques for building and composing thread-safe classes, Using the concurrency building blocks in java.util.concurrent, Performance optimization dos and don'ts, Testing concurrent programs, Advanced topics such as atomic variables, nonblocking algorithms, and the Java Memory Model