寫給新手的深度學習2：用 Python實現(xiàn)的循環(huán)神經(jīng)網(wǎng)絡RNN和VAE、GAN

　　本書以《寫給新手的深度學習》這本書的內(nèi)容為基礎，對深度學習的內(nèi)容進一步深入探討。從簡單的RNN到作為其發(fā)展形式的LSTM和GRU，甚至在生成模型中對VAEGAN進行處理。本書也和上一本一樣不使用框架，而是將各種各樣的深度學習的發(fā)展形式，數(shù)學公式和代碼無縫連接，這樣既能很好地理解內(nèi)部的實現(xiàn)，也能在發(fā)生問題的時候輕松地想到解決問題的辦法。本書雖然是上一本書的延續(xù)，但是內(nèi)容體系是完整的，并在前三章對第一冊內(nèi)容進行了簡單回顧，所以即使沒有讀過上一本書，也不影響本書的學習。

　　我妻幸長一家以“人與AI的共生”為使命的公司SAI-Lab（https：//sai-lab.co.jp）的董事長，從事AI相關的教育和研究開發(fā)工作。 日本東北大學研究生院理學研究科畢業(yè)，理學博士（物理學），對人工智能（AI），復雜系統(tǒng)，腦科學，奇點等很感興趣。 作為一名編程/人工智能講師，迄今已在線指導了近35，000人。 在視頻平臺Udemy開設了《AI完美大師》《全民AI》《腦科學與人工智能》等課程。 作為一名工程師，他開發(fā)了VR，游戲和SNS等許多不同類型的應用程序