深度学习数学

本课程旨在为所谓的深度神经网络 (DNN) 的一些关键要素提供数学视角。对深度学习的大部分兴趣都集中在基于 DNN 的算法的实现上。我们希望这本紧凑的教科书能够提供补充的观点，强调基本的数学思想。我们相信，更基础的视角将有助于回答迄今为止仅得到实证答案的重要问题。

我们的目标是以严格的数学方式引入深度学习的基本概念，例如介绍深度神经网络 (DNN)、损失函数、反向传播算法等的数学定义。

我们  尝试为每个概念确定最简单的设置，最大限度地减少技术细节，但仍包含关键的数学知识。

这本书重点介绍了深度学习技术，并且几乎立即介绍了它们。简要介绍了回归和支持向量机等其他技术，并将其用作解释深度学习基本思想的垫脚石。

在这些注释中，严格的定义和陈述均辅以启发式解释和图表。本书的组织结构使得每一章都介绍一个关键概念。在教授本课程时，某些章节可以作为单个讲座的一部分呈现，而其他章节则包含更多材料，需要多个讲座。