本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。我们不仅将阐述算法原理，还将基于Apache MXNet对算法进行实现，并实际运行它们。本书的每一节都是一个Jupyter记事本。它将文字、公式、图像、代码和运行结果结合在了一起。读者不但能直接阅读它们，而且可以运行它们以获得交互式的学习体验。 面向的读者 本书面向希望了解深度学习，特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。本书并不要求读者有任何深度学习或者机器学习的背景知识，我们将从头开始解释每一个概念。虽然深度学习技术与应用的阐述涉及了数学和编程，但读者只需了解基础的数学和编程，如基础的线性代数、微分和概率，以及基础的Python编程。在附录中我们提供了本书所涉及的主要数学知识供读者参考。如果读者之前没有接触过Python，可以参考中文教程 http://www.runoob.com/python/python-tutorial.html 或英文教程 http://learnpython.org/ 。当然，如果读者只对本书中的数学部分感兴趣，可以忽略掉编程部分，反之亦然。

进一步贯彻落实《智能制造发展规划（2016-2020年）》（工信部联规〔2016〕349号）和《装备制造业标准化和质量提升规划》（国质检标联〔2016〕396号）的工作部署，充分发挥标准在推进智能制造产业健康有序发展中的指

[波音747中文操作手册]

JavaTM_语言学习手册(第二版).pdf 很好的学习资料

HSQLDB_guide_zh(HSQLDB中文手册).pdf 很好的东西，不错的

本书的部分章节的例子很实用的,有些方法可以用到实际项目中

Ubuntu入门教程，让从零开始学习Ubuntu

1.贝叶斯法则 2.先验概率和后验概率 3.贝叶斯公式 4.极大后验假设 5.极大似然假设 6.举例