d2l-en README

The project's README from github.com/d2l-ai/d2l-en. As one markdown file: README.md.

D2L.ai: Interactive Deep Learning Book with Multi-Framework Code, Math, and Discussions

Continuous Integration

Book website | STAT 157 Course at UC Berkeley

The best way to understand deep learning is learning by doing.

This open-source book represents our attempt to make deep learning approachable, teaching you the concepts, the context, and the code. The entire book is drafted in Jupyter notebooks, seamlessly integrating exposition figures, math, and interactive examples with self-contained code.

Our goal is to offer a resource that could

  1. be freely available for everyone;
  2. offer sufficient technical depth to provide a starting point on the path to actually becoming an applied machine learning scientist;
  3. include runnable code, showing readers how to solve problems in practice;
  4. allow for rapid updates, both by us and also by the community at large;
  5. be complemented by a forum for interactive discussion of technical details and to answer questions.

Universities Using D2L

If you find this book useful, please star (★) this repository or cite this book using the following bibtex entry:

@book{zhang2023dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    publisher={Cambridge University Press},
    note={\url{https://D2L.ai}},
    year={2023}
}

Endorsements

"In less than a decade, the AI revolution has swept from research labs to broad industries to every corner of our daily life. Dive into Deep Learning is an excellent text on deep learning and deserves attention from anyone who wants to learn why deep learning has ignited the AI revolution: the most powerful technology force of our time."

— Jensen Huang, Founder and CEO, NVIDIA

"This is a timely, fascinating book, providing with not only a comprehensive overview of deep learning principles but also detailed algorithms with hands-on programming code, and moreover, a state-of-the-art introduction to deep learning in computer vision and natural language processing. Dive into this book if you want to dive into deep learning!"

— Jiawei Han, Michael Aiken Chair Professor, University of Illinois at Urbana-Champaign

"This is a highly welcome addition to the machine learning literature, with a focus on hands-on experience implemented via the integration of Jupyter notebooks. Students of deep learning should find this invaluable to become proficient in this field."

— Bernhard Schölkopf, Director, Max Planck Institute for Intelligent Systems

"Dive into Deep Learning strikes an excellent balance between hands-on learning and in-depth explanation. I've used it in my deep learning course and recommend it to anyone who wants to develop a thorough and practical understanding of deep learning."

— Colin Raffel, Assistant Professor, University of North Carolina, Chapel Hill

Contributing (Learn How)

This open source book has benefited from pedagogical suggestions, typo corrections, and other improvements from community contributors. Your help is valuable for making the book better for everyone.

Dear D2L contributors, please email your GitHub ID and name to d2lbook.en AT gmail DOT com so your name will appear on the acknowledgments. Thanks.

License Summary

This open source book is made available under the Creative Commons Attribution-ShareAlike 4.0 International License. See LICENSE file.

The sample and reference code within this open source book is made available under a modified MIT license. See the LICENSE-SAMPLECODE file.

Chinese version | Discuss and report issues | Code of conduct

d2l-en (d2l-ai/d2l-en)

Searching Database…

29.9K ·GitHub
D2l-en
Что это такое?Интерактивная книга по глубокому обучению с открытым исходным кодом: она даёт одновременно концепции, контекст и работающий код, с примерами на нескольких фреймворках. Её идея в том, что лучший способ понять deep learning — учиться на практике.
Это книга, которую просто читают, или код, который реально запускают?И то, и другое. Вся книга написана в Jupyter-ноутбуках, где объединены текст, иллюстрации, формулы и самодостаточный запускаемый код, так что чтение и эксперименты происходят в одном месте.
С чего начать?Читайте бесплатно онлайн на d2l.ai или возьмите ноутбуки из этого репозитория и запускайте локально; для вопросов и обсуждения есть форум.
Какие фреймворки глубокого обучения поддерживает код?Код мультифреймворковый: по темам репозитория он охватывает MXNet, PyTorch, TensorFlow, Keras и JAX, так что можно работать в том фреймворке, который вам удобнее.
Подойдёт ли она, если я новичок в глубоком обучении?Книга написана так, чтобы быть понятной новичкам, и при этом даёт достаточно технической глубины, чтобы начать путь к профессии прикладного специалиста по машинному обучению.
Книгу реально используют в университетах?Да — её взяли в 500 университетах из 70 стран, включая Стэнфорд, MIT, Гарвард и Кембридж, а в UC Berkeley по ней ведут курс STAT 157.
Кто её одобрил?В README есть отзывы от Дженсена Хуанга (генеральный директор NVIDIA), Цзявэя Ханя (Университет Иллинойса), Бернхарда Шёлькопфа (Институт интеллектуальных систем Общества Макса Планка) и Колина Раффела (UNC Chapel Hill).
Можно ли ссылаться на книгу в научных работах?Да — в README просят поставить репозиторию звезду или цитировать книгу по приложенной записи bibtex.
What are similar projects?DeepLearning, Ai-Learn, 100-Days-Of-ML-Code, deep-learning-with-python-notebooks, CV, d2l-zh, ailearning, pytorch-handbook
Which topics is it in?recommender-system, hyperparameter-optimization, mxnet, kaggle, notebook, jax, keras, neural-networks, jupyter-notebook, tensorflow, natural-language-processing, curriculum
Creator
d2l-ai
Size
310.5 MB
Stars
29.9K
Updated
CommitMar 16Releasev1.0.3Aug 18
Age
8y
Commits · 90 Days