神经网络背后的数学

《神经网络背后的数学：从代数到变形金刚的 400 个图解练习》是一本实用的练习册，适合那些想要了解现代神经网络内部数学（一次一项计算）的读者。

如果您曾经看过神经网络图并想知道这些数字实际上在做什么，这本书会通过练习、清晰的符号和结构化的练习为您提供答案。从标量和向量到矩阵乘法、激活函数、反向传播、优化、卷积网络、循环网络、嵌入和变换器，每一章都将主题分解为可以手动执行的具体计算。

本书旨在帮助读者超越抽象解释并建立真正的数学流利度。每个问题都要求您计算特定的内容：点积、前向传播、损失值、梯度、注意力权重或参数更新。我们的目标不是猜测概念，而是清晰、正确地计算它。

在本工作簿中，您会发现：

• 400 个图解练习，分为 21 章和 6 个部分。
• 3 个难度级别：初级、中级和专家。
• 针对每个问题的逐步解决方案。
• 从头开始构建的完整线性代数基础。
• 涵盖导数、梯度、反向传播、优化、损失函数、概率、统计、CNN、RNN、嵌入和变压器。
• 问题驱动的格式，支持自学、课堂使用和技术审查。

本练习册假定您具备高中代数和基本微积分知识，但不需要具备任何机器学习知识。第一章构建了必要的基础，而后面的章节则进入深度学习系统和变压器模型的数学。

本书非常适合：

• 想要从理论转向计算的学生。
• 可以使用神经网络库但想要更强的数学理解的从业者。
• 想要核心操作的清晰参考的研究人员和技术读者。

如果您想了解神经网络在数学上的作用，本工作簿为您提供了从最简单的操作到最高级模型的直接路径。