《深度学习的几何学》

本书的重点是为学生提供几何学的见解，帮助他们从统一的角度理解深度学习。与许多现有深度学习书籍中通常将深度学习描述为一种实现技术不同，在这里，深度学习被解释为可以想象的信号处理技术的最终形式。

为了支持这一主张，本文概述了经典的核机器学习方法，并解释了它们的优点和局限性。在从生物学和算法的角度详细解释深度神经网络的基本构建模块之后，描述了注意力、归一化、Transformer、BERT、GPT-3 等最新工具。这里的重点也是这样一个事实，即在这些启发式方法中，直觉背后有一个重要的、美丽的几何结构，可以进行系统的理解。提供了一个统一的几何分析来理解从高维几何中深度学习的工作机制。然后，从统一的几何角度描述了不同形式的生成模型，如 GAN、VAE、归一化流、最优传输等，表明它们实际上来自统计距离最小化问题。

因为本书从实践和理论的角度都包含了最新的信息，所以它可以作为大学的高级深度学习教科书，也可以作为有兴趣获取最新深度学习算法及其基础的研究人员的参考资料。原则。此外，这本书是为工程和数学学生的代码共享课程准备的，因此大部分内容是跨学科的，并且会吸引这两个学科的学生。