深度学习500问

深度学习500问

《深度学习500问》是一本以问答形式系统梳理深度学习核心知识的开源书籍，全书共18章、50余万字，旨在帮助读者构建完整的知识体系，尤其适合AI工程师面试准备和日常查漏补缺。

内容体系

全书内容从基础到应用层层递进，主要涵盖以下模块：

• 数学基础：向量与矩阵、导数与偏导、特征值分解、概率分布、期望与方差等。
• 机器学习基础：监督/非监督学习、分类算法、逻辑回归、代价函数、梯度下降、模型评估、决策树、SVM、贝叶斯分类器、EM算法、降维与聚类等。
• 深度学习基础：神经网络计算、激活函数、Batch Size、归一化、参数初始化、预训练与微调、超参数、学习率、正则化等。
• 经典网络与计算机视觉：CNN、RNN、GAN等网络结构，以及目标检测、图像分割等应用。
• 优化与进阶：迁移学习、网络架构与训练、优化技巧、超参数调整、模型压缩与加速等。

特色与适用人群

• 问答形式：每个知识点以问题引导，直接给出解答，便于快速查阅和针对性学习。
• 面试导向：内容取材于常见笔试面试题，适合求职者系统复习。
• 教学参考：可作为高校人工智能、计算机视觉等课程的辅助教材。

使用建议

建议读者按章节顺序系统学习，或根据面试大纲针对性查阅。对于重点难点，可结合其他开源项目（如深度学习框架文档、实战项目）加深理解。

项目采用GPL-3.0协议开源，欢迎贡献与反馈。