用途
深度学习500问以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，用于帮助读者梳理和复习这些领域的知识点。资料说明其内容取材于编者在日常学习过程中总结的知识点及各大公司常见的笔试、面试题。
主要能力
资料介绍，全书分为18个章节，50余万字。目录显示内容覆盖：线性代数中的标量、向量、矩阵和张量，导数和偏导数，奇异值和特征值；概率分布与随机变量，条件概率、联合概率与边缘概率，独立性和条件独立性，期望、方差、协方差、相关系数；机器学习的学习方式、分类算法评估、逻辑回归、线性回归、代价函数、损失函数、梯度下降法、LDA、PCA、降维、模型评估、欠拟合与过拟合、交叉验证、混淆矩阵、查准率与查全率、ROC与AUC、决策树、支持向量机、贝叶斯分类器、EM算法、维数灾难、聚类；神经网络类型与结构、前向传播和反向传播、卷积神经网络输出计算、池化层输出计算、激活函数、Batch Size、归一化与标准化、批归一化、参数初始化、预训练和微调、超参数、学习率衰减、正则化、Dropout等。
使用方式
资料以GitHub仓库形式提供（https://github.com/scutan90/DeepLearning-500-questions），包含Folders and files与Repository files navigation。资料中未提供具体的安装命令或运行步骤。另外，资料提供京东售卖链接：https://item.jd.com/12785031.html，并称京东商城100多家书店有现货。
适用场景
资料说明，本书可为高等院校计算机科学、信息科学、人工智能、控制科学与工程、电子科学与技术等领域的研究及教学人员提供参考，也可为相关专业本科生及研究生提供思考方向，还可为深度学习及计算机视觉领域的初、中级研究人员和工程技术人员提供参考，尤其适合需要查漏补缺的应聘者及提供相关岗位的面试官阅读。
限制
资料未提供该仓库的许可协议、具体版本更新记录、运行环境要求或除京东链接外的获取方式。资料注明“由于水平有限，书中不妥之处恳请广大读者批评指正”，并标注“未完待续”。资料还注明“版权所有，违权必究”，合作可联系scutjy2015@163.com。
