1樓：「已登出」
如何評價？
中文翻譯就是個錘子。多處說話說不清，我以為是我沒仔細看然後不能理解，然後就一字一句看，分解句子成分去理解。
然而理解個錘子，翻譯的人自己讀了麼？就算你對專業方面的某種東西不清楚，你翻譯出來的東西應該能是正常的中文吧
下次我也谷歌翻譯+外文書籍來騙錢。
還張志華校對。不敢恭維
2樓：chenbf
我作為乙個中文水平屬於中等偏上的人，在看了《深度學習》中文版到第八章時，我實在忍不住跳出來說，「這本書翻譯的就像屎一樣！」
當然我的深度學習水平可能不如翻譯者，但就從中文的表達習慣上來看，這本書真的是每個字都是中國字，但連起來就是外國句子，我覺得翻譯者沒有用心認真翻譯。
還有一種可能性，就是他們的中文水平太差了，我建議他們多看看阿城的雜文。
3樓：夢的狩獵者
這本書完全不適合數學不好的新人，新人前四章直接跳過去看大學教材《線性代數》《概率論與數理統計》就可以了。後面幾章關於ml，dl的還沒看，不知道會不會看到矇圈
4樓：albert corleone
雖然有一些基礎，但仍然算是初學者。這是一本字典類工具書，對初學者而言在直覺的建立上是不夠的，好多部分我看這本書沒看懂，但去網上搜尋某個概念一下就懂了。定位為中高階。
5樓：YH ZH
這本書提及了很多基礎知識，但是這些東西多是以總結形式出現（可能作者水平太高，關注的主要是一些有價值的結論，而省略了很多中間過程和必要解釋），如果想要很好徹底理解需要自己再搜一下其他相關知識。對於機器學習和深度學習來說，思路絕對是一流的，如果能徹底讀懂，Deep Learning這個門就算進了吧？！
首先中文版翻譯是費了很大心血的，我想也方便了很大一部分人的閱讀，這是絕對值得肯定。不同章節是由不同人來翻譯的，譯者水平是有差異的，所以一些章節讀的很順，另一些章節有點彆扭。如果讀者英文水平很高建議直接原版，這樣不會因為翻譯的問題造成理解偏差，反之，若強讀英文原著可能要花費更多時間，甚至存在更大理解偏差的風險。
6樓：蔣明昊
10月份的時候懷著憧憬的心情在某東上入手了這本書。講真從書內容的深度、廣度上將，此書都是上乘，但這是因為英文原版是三位大佬寫的。
此書的翻譯越到後面越是沒法看，尤其是RNN那一章翻譯的簡直是莫名其妙。
7樓：
說下我目前的讀後感吧（大概掃了一遍，然後有重點讀了幾章）
首先說中文版，翻譯質量很高，不用對照英文原版就能理解透徹。張志華老師團隊出品，必屬精品
然後就書的內容而言，感悟有兩點
1. 又一次回顧了機器學習理論中的基本概念（VC維、偏差方差、引數估計等），進一步加深理解
2. 很intuition地理解了CNN RNN中的很多操作、理解背後的insight（如引數共享、不同資料來源對應的channel、RNN的結構差異性等等等等），還有些工程實現上的trick。
私以為第二點是本書的亮點，讓你在忙碌煉丹的空隙，能一窺丹方背後的機理
另外有個私人小建議就是，此書可配合Ng的deeplearning.ai 課程（淺顯易懂地講解了很多trick），有奇效！
8樓：彭程
踩坑中... ...
感覺中文版譯得不太好，發現某些地方同乙個詞前後句翻譯就不一致的情況，然後轉回去看原版，發現還是好理解一些（翻譯已經很用心了，只是英文慣用從句，翻譯過來總差那麼點意思）...
正如張志華教授所說的，建議有條件的同學還是去看原版吧。而且如果有志於從事這方面的工作，我覺得英文終歸是乙個必須跨過去的坎吧
9樓：Linus
最近正好在看英文原版書，來答一下。
第一章線性代數和第二章概率論我都是看的中文版，這樣能快速get point。畢竟這兩章給人的感覺是回顧性的「複習」，沒必要斟字灼句地讀。在這個過程中，遇到一些我不熟悉的名詞，都會直接回到英文原版書中去讀對應的section。
等看完英文，再回到翻譯版，發現這版的譯文非常流暢，語言完全表達出了原版的含義。
結論:至少我目前看的前幾章來，中文翻譯完全表達出了原版的內容，語言文字也很簡潔順暢，是不錯的譯本。如果我自己翻譯的話，語言還達不到這本書的凝練水平。
BTW，全新英文原版書（硬殼封皮）在Amazon上才40多刀，但是老闆在哈佛大學的書店裡居然花了80刀買的……不是很理解老美的這種書價模式，怎麼能差這麼多……欺負人不上Amazon是不是
10樓：
又看到這個問題，忍不住回答一下。真不知道那些說翻譯非常好甚至好過原書的，到底讀沒讀過中文版，又有沒有跟英文版比較過。
原書的價值自然不必多說，但是翻譯質量真是不敢恭維，起碼應該保證沒有錯誤？真心懷疑翻譯的同學沒認真讀原版！！而且越往後問題越嚴重，尤其是文字多的部分，基本跟機器翻譯無異！！！
11樓：憤怒的公尺吊
這本書是機器學習領域專家，前上海交通大學教授（現北京大學）張志華老師帶頭，我的幾個同學好友主要負責翻譯的，對於翻譯人員的水平，那真的是非常高。也有幸參與了其中部分章節的校對。這種花時間為國內ai這個領域做貢獻的，我只能由衷地表達敬意！
本書作者都是深度學習領域的奠基式人物，ai領域的同學好好研讀還是很有必要的。
12樓：xxxxxxxx
說句實話我覺得這本書有個問題就是對於入門的同學不太友好。很多內容講得太繞而且很喜歡在簡單介紹基礎內容之後加上很多擴充套件。使得入門的同學一臉懵逼。
好比說cnn rnn那幾節我基本上都是另外找材料看才看懂很多書裡面的描述很不清晰看得很難受（也許是我水平不行吧……）不過對於有基礎的同學來說這門書是很好的我建議要作為參考書常常翻翻
13樓：PENG
之前看過電子版，昨天入手正版。
從我看過的章節來看，書中涵蓋了很全面的基礎知識，適合於從整體把握深度學習（機器學習）的一些基礎理論和框架。但是在一些細節方面並沒有做到很好，常常會把乙個簡單的問題講得很複雜。另外書中的某些地方過於突兀，讓人無所適從。
中文翻譯整體可以接受，但是表述比較生硬晦澀（直譯），讀起來還是有些難受的。
14樓：李智昊
剛看完第一部分，最大感受就是符號註解不清，感覺太多知識點雜糅在一起，然後每乙個說的不太清楚【可能只是我太渣了，很多地方要想搞懂都要再查一遍...
補:發現了git上另一本書的中文版，感覺寫的比較細緻https://www.
15樓：
這個領域速度發展太快,書寫出來很多東西就不夠了比如GAN， 比如chatbot 用的seq2seq現在知識增長的速度已經超過了我們學習的速度，原來學過coding theory, 順便學了群論，以為這輩子再也用不到了，沒想到現在dl好像和群論又有關係了
我覺得這種東西還是學公開課比較好，畢竟這麼多知識根本學不過來這種書還是當做參考書比較好，比如詞典，或者fourier transform轉換表
16樓：水木八刀
最早列印過英文版看，後來得知張老師團隊公開github上的翻譯工作後，就開始跟中文版了，目前已入手紙版支援翻譯團隊。就本書內容而言，個人感覺第一部分一般，但第二部分到處都是精華，我幾乎逐字逐句體會的，收貨很多。其次就翻譯而言，感覺水平很高，讀著很輕鬆舒服。
目前第二部分還沒看完，第三部分還沒來得及看。僅供參考。
17樓：大白
去年剛出來我就買了，在amazon上英文版。如果題主問翻譯怎樣，我的回答是不知道。如果問這本書內容怎樣，我覺得中上等。
內容比較基礎，適合初學者和有點基礎的。基本講述了概念，CNN, RNN 和一些技巧。我就一點比較好奇，本書作者Ian Goodfellow 是 GAN 網路的發明者，為什麼在本書沒有寫 GAN?
18樓：人工智慧電視小白
《Deep Learning》這本書的總結性和前瞻性都十分強大，並且很有邏輯系統性。多層神經網路，提高擬合能力。運用在多個時間當中，是標桿，是旗幟。
請問如何將深度學習應用在文字挖掘領域呢？
NLPIR 深度學習在文字挖掘領域能夠實現多種功能的應用，比如文字分類 文字聚類 摘要實體生成 智慧型過濾 情感分析 知識圖譜等。NLPIR大資料語義智慧型分析平台即實現了語料資料的採集預處理，經過自然語言處理到文字挖掘，資訊檢索再到視覺化呈現等應用。資料收集和預處理 資料收集和預處理能夠實現主題採...
如何評價 Tishby 的開啟深度學習黑箱的 Information Bottleneck 理論
沒感覺這文章真的觸及了深度學習好用的本質.在我看這裡的結論仍然只是表象。不過很多人也真是太相信這些大佬們的背書了.這個IB被炒了一陣子，Capsule又被炒了一陣子，然後SNGAN.接下來又是啥？ 2prime 問幾個問題。沒人覺得這篇文章寫的很有問題嗎 比如SGD的diffusion是在param...
如何評價Sony新出的深度學習庫NNabla？
周瑞建 C 介面編譯和使用起來很方便，幾乎不依賴其他庫，比tensorflow 的介面方便多，GPU 記憶體利用率也高很多，我的硬體很落伍，能省就省 Abakus 試了一下，目前功能比較欠缺，連多gpu訓練也不支援，好像自定義介面也沒完全確定。但是單gpu跑convnet的確快，算乙個優點。 輕歌曼...