近日，來自四川大學的畢業(yè)生在GitHub上創(chuàng)建了一個項目：《深度學習500問》，通過問答的形式對深度學習相關的各類熱點問題進行梳理闡述，覆蓋范圍包括概率知識、線性代數(shù)、機器學習、深度學習、計算機視覺等。這一項目用來幫助那些想了解深度學習的讀者，截止11月7日，這一項目已經(jīng)收到9000多個star。

近年來，深度學習在語音、圖像、自然語言處理等領域都取得了非常不錯的成果，自然而然地成為技術人員爭相學習的熱點。

為了幫助正在學習深度學習的伙伴們，川大的一名優(yōu)秀畢業(yè)生，在GitHub上創(chuàng)建了一個項目：《深度學習500問》，通過問答的形式對常用的概率知識、線性代數(shù)、機器學習、深度學習、計算機視覺等熱點問題進行闡述，以幫助自己及有需要的讀者。全書分為15個章節(jié)，近20萬字。

截至11月7日，該項目已經(jīng)獲得了9571個「star」以及2416個「fork」（GitHub項目地址：https://github.com/scutan90/DeepLearning-500-questions）

雖然本書還未完結，但還是值得一讀，下面我們詳細介紹書中有哪些內(nèi)容：

第一章 數(shù)學基礎

本章主要講解了數(shù)學基礎知識，不僅涵蓋了相關的基礎概念，還包括彼此之間的聯(lián)系，如標量、向量、張量之間的聯(lián)系；張量和矩陣的區(qū)別，還有常見的概率分布：

此外，還講解了不同類型的概率分布和統(tǒng)計學（期望、方差、協(xié)方差、相關數(shù)）的相關基礎知識

第二章 機器學習基礎

本章為大家羅列了常見的算法以及常見分類算法的優(yōu)缺點、分類算法的評估用法、大數(shù)據(jù)與深度學習的關系等，第二章涵蓋的知識點雖然很多但卻十分全面。

第三章 深度學習基礎

本章開始進入主題，為了描述神經(jīng)網(wǎng)絡，書中從最簡單的神經(jīng)網(wǎng)絡說起，然后層層深入，列舉了神經(jīng)網(wǎng)絡的常用模型結構，如何選擇一個深度學習開發(fā)平臺等重點內(nèi)容，如神經(jīng)網(wǎng)絡常用的模型結構如下：

第四章 經(jīng)典網(wǎng)絡

本章向大家介紹了幾種經(jīng)典網(wǎng)絡，包括LeNet-5、AlexNet、可視化ZFNet-解卷積、GoogleNet的模型結構及模型解讀等，如LeNet-5的模型結構如下：

看了上面這些內(nèi)容，你是不是已經(jīng)迫不及待想深度讀一下這本未完結的書呢？或者你正從事該領域的工作，也可以幫助作者完善成書。