在NLP 中，分词（tokenization，也称切词）是一种特殊的文档切分（segmentation）过程。而文档切分能够将文本拆分成更小的文本块或片段，其中含有更集中的信息内容。文档切分可以是将文档分成段落，将段落分成句子，将句子分成短语，或将短语分成词条（通常是词）和标点符号。将文本分割成词条的过程，这个过程称为分词。
自然语言处理流水线的各个阶段可以看作是层，就像前馈神经网络中的层一样。深度学习就是通过在传统的两层机器学习模型架构（特征提取+建模）中添加额外的处理层来创建更复杂的模型和行为。神经网络通过将模型错误从输出层反向传播回输入层，从而帮助完成跨层传播学习的过程。
《自然语言处理实战：利用Python理解分析和生成文本》中文PDF+英文PDF+代码
《自然语言处理实战利用Python理解分析和生成文本》中文PDF，原版带目录，455页；英文PDF，545页；配套源代码。
下载: https://pan.baidu.com/s/1GNEVqkfQ5RkkFay0Ku83ag
提取码: hyhf
NLP 已成为深度学习的核心应用领域，而深度学习是NLP 研究和应用中的必要工具，分为3 部分：第一部分介绍NLP 基础，包括分词、TF-IDF 向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、
序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。
《深度学习进阶自然语言处理》中文PDF+源代码
《深度学习进阶自然语言处理》中文PDF，带目录，427页，文字可复制，斋藤康毅著，陆宇杰译。配套源代码。
下载: https://pan.baidu.com/s/1By8rhb-lZDnBW74TG9LatQ
提取码: tg83
深度学习正在深刻地改变这个世界。没有深度学习，智能手机的语音识别、Web 的实时翻译、汇率的预测都无从谈起。得益于深度学习，新药的研发、患者的诊断、汽车的自动驾驶都在渐渐成为现实。除此以外，几乎所有的高新技术背后都有深度学习的身影。今后，世界将因深度学习而前进得更远。
本书是《深度学习入门基于Python 的理论与实现》的续作，我们将在前作的基础上讨论深度学习的相关技术。特别是，本书将专注于自然语言处理和时序数据处理，使用深度学习挑战各种各样的任务。另外，继承了前作“从零开始创建”的理念，充分体验深度学习相关的高新技术。
《深度学习推荐系统》PDF+王喆
《深度学习推荐系统》PDF，带目录，304页，文字可复制，王喆编著
下载: https://pan.baidu.com/s/1aUbP6Ukun0_yCYDwEjIrbw
提取码: jvjd
深度学习推荐系统从深度学习推荐模型、Embedding技术、推荐系统工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。
与传统机器学习不同的是，深度学习将复杂的、需要专业化建模与优化能力、专业化分布式计算编程能力才能搞定的工业级机器学习算法研发闭环打破，提供了如下搭积木式的算法研发新范式。
《知识图谱方法实践与应用》原版PDF+勘误+王昊奋
《知识图谱方法实践与应用》原版PDF，477页，有书签，文字可复制，配套实践工具操作步骤等，作者：王昊奋等
下载: https://pan.baidu.com/s/1Q8Te81cP-NfXfi1wJxbuMw
提取码: yz5v
知识图谱是人工智能的一个分支，对可解释人工智能具有重要作用。近几年，随着知识表示和机器学习等技术的发展，知识图谱相关技术取得了突破性的进展，特别是知识图
谱的构建、推理和计算技术以及知识服务技术，都得到了快速的发展。这些技术的进步使知识图谱在工业界受到了广泛关注，并取得了显著成果。谷歌、微软、百度等互联网公司
率先构建了大规模通用知识图谱，提供基于实体和关系的语义搜索，可以更好地理解用户查询。知识图谱还在智能决策系统、推荐系统和智能问答系统中起到了重要作用。知识图
谱不仅有巨大的应用价值，而且具有重要的理论价值。知识图谱使传统知识表示和推理技术有了落脚点，也为知识表示和推理带来了新的挑战。
《知识图谱与深度学习》PDF+刘知远
《知识图谱与深度学习》PDF，259页，有书签，文字可复制，作者：刘知远等
下载: https://pan.baidu.com/s/1OKk9AnrpnM7emeqGgNXxJw
提取码: cpa9
知识就是力量，人工智能想要让计算机像人一样思考，同样需要知识的力量。计算机实现人工智能需要哪些知识，这些知识要如何表示、获取、计算以及使用，都是人工智能的重要研究课题。知识图谱作为人类知识结构化形成的知识系统，是人工智能研究和智能信息服务的基础核心技术，被广泛应用于搜索引擎、问答系统、智能对话系统以及个性化推荐等知识驱动的领域。内容包括语言知识和世界知识两种类型知识，以及这两类知识在表示学习、自动获取与计算应用方面的新探索。作为数据智能与知识智能的前沿研究方向，知识图谱与深度学习的融合互动是人工智能的重要发展趋势。
《知识图谱概念与技术》PDF+肖仰华
《知识图谱概念与技术》PDF，541页，有书签，文字可复制，作者：肖仰华等
下载: https://pan.baidu.com/s/1lJOXUe2Pamt9-f09UtcAsw
提取码: xuqw
知识图谱是一种大规模语义网络，已经成为大数据时代知识工程的代表性进展。知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术。知识图谱也成为大规模知识工程的代表性实践，其学科日益完善。
立石贤吾《白话机器学习的数学》PDF+源代码
《白话机器学习的数学》中文PDF，277页，有详细目录，文字可复制；配套源代码；立石贤吾著
下载: https://pan.baidu.com/s/1C7-8bF3-5_uuXI2T_LPdCg
提取码: znvq
通过利用机器学习解决问题的方法，可以“根据投入的广告费来预测点击量”为题材，学习回归。先利用简单的例子来思考为了预测需要引入什么样的表达式，然后考虑如何才能使它接近最适合的结果。以“根据图像的大小，将其分类为纵向图像和横向图像”为题材，学习分类。首先考虑为了实现分类需要引入什么样的表达式，然后考虑如何才能使它接近最适合的结果。学习如何对模型进行评估，以及用于评估的指标有哪些。使用Python 进行编程把用表达式思考的内容编写为代码。
《深度学习的数学》PDF+示例xls+涌井良幸
《深度学习的数学》PDF，244页，带目录，文字可以复制；配套示例Excel文件；作者: 涌井良幸，涌井贞美 ，译者: 杨瑞龙
下载: https://pan.baidu.com/s/17_MYg_9pNVPip2fgjNerQw
提取码: 4ebe
《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的最优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助直观地体验深度学习的原理。
《普林斯顿概率论读本》中文PDF+英文PDF
《普林斯顿概率论读本》中文PDF，735页，有详细书签目录，文字可以复制；《普林斯顿概率论读本》英文PDF，737页，有详细书签目录，文字可以复制。
下载: https://pan.baidu.com/s/1kFZSCEbjs5HdRbG_8zOtWA
提取码: viw9
通过大量现有的例子和已经实现的代码来掌握内容, 不仅要引导对方程和定理为什么成立展开大量讨论,还要引导不断探讨为什么这些方程和定理具有这样的形式. 除了那些已有答案的问题之外, 关于定理的证明, 给出了很多解释说明, 其中重点讨论了为什么某些论证是显然成立的, 以及我们为什么想要得到具有某种特定形式的答案.
弄清楚某些结论为何成立以及应当采用什么样的思路来证明, 将帮助更加正确地使用这些结论并从中挖掘出新的相关知识.
拉菲《普林斯顿数学分析读本》中文PDF+英文PDF
《普林斯顿数学分析读本》中文PDF，221页，有书签，文字可复制；英文PDF，201页。译者李馨。
下载: https://pan.baidu.com/s/1yv6wpgWwH-vZZg1cUeLZHQ
提取码: s2d1
讲解了实分析的基础内容，包括基本的数学与逻辑、实数、集合、拓扑、序列等．以通俗易懂且略带幽默的口吻讲述了两步式求解方法：首先展示如何回溯到求解问题的关键，
之后说明如何严谨规范地写下解题过程．给出了丰富的示例，帮助学生巩固所学知识．
数学家把实分析称为严格的微积分．“严格”意味着我们进行的每一步以及使用的每一个公式都必须得到证明．如果从一组称为公理或假说的基本假设出发，那么我们总是可以通过一个又一个合理的步骤得到最终想要的结论．
《线性代数及其应用第5版》中文PDF+习题解答手册+英文PDF
《线性代数及其应用第5版》中文PDF，567页，带详细目录，文字可复制，David C Lay著，刘深泉译；配套第5版习题解答手册，454页；第5版英文PDF，713页。
下载: https://pan.baidu.com/s/1PlzFkJtQLvru29o51g3VBQ
提取码: 3ky7
给出新的线性代数基本介绍和一些有趣应用，目的是帮助掌握线性代数的基本概念及应用技巧，为后续课程的学习和工作实践奠定基础。主要内容包括线性方程组、矩阵代数、行列式、向量空间、特征值与特征向量、正交性和小二乘法、对称矩阵和二次型、向量空间的几何学等，包含大量的练习题、习题、例题等，便于参考。给我的感受是内容既有深度，又有广度，讲得清晰易懂，又能联系实际应用，很好的入门和复习书，图片形象展示了数学工具也有物理意义，数形结合妙哉，而且还与计算机巧妙的结合起来。一本让我觉得“哇，数学这么神奇”的书，粗浅地过了一遍，很适合入门，很适合工科。
《神经网络设计第2版》中文PDF+英文PDF+代码
《神经网络设计第2版》中文PDF，438页，有详细书签目录，文字可以复制；英文PDF，1012页；配套源代码，马丁T. 哈根著;章毅等译.
下载: https://pan.baidu.com/s/1TNQy6TRiiDoZWgPlHV5N_A
提取码: 83hp
《神经网络设计书第2版》主要讨论网络结构、学习规则、训练技巧和工程应用，紧紧围绕“设计”这一视角组织材料和展开讲解，强调基本原理和训练方法，概念清晰，数学论述严谨，包含丰富的实例和练习，并配有课件和MATLAB演示程序。
刘忠雨《深入浅出图神经网络GNN原理解析》PDF+源代码
《深入浅出图神经网络GNN原理解析》PDF，285页，有详细书签目录，文字可以复制；配套源代码，刘忠雨等著
下载: https://pan.baidu.com/s/1lVYEIwR4sCE6Zhp_k5w25g
提取码: kjra
激活函数是神经网络中一个十分重要的概念，它的非线性使得神经网络几乎可以任意逼近任何非线性函数。如果不使用激活函数，无论神经网络有多少层，其每一层的输出都是上一层输入的线性组合，这样构成的神经网络仍然是一个线性模型，表达能力有限。激活函数的选择可以多种多样，一个基本的要求是它们是连续可导的，可以允许在少数点上不可导。常用的激活函数包括S型激活函数和ReLU及其变种等。
《强化学习第2版》中文PDF+英文PDF
《强化学习第2版》中文PDF，550页，文字可以复制；英文PDF，548页，文字可以复制。作者：Richard S. Sutton 俞凯等译
下载: https://pan.baidu.com/s/1rcjHkLoJ2-KyVgZuEnzvVQ
提取码: 22jm
《强化学习第2版》作为强化学习思想的深度解剖之作，被业内公认为是一本强化学习基础理论的经典著作。它从强化学习的基本思想出发，深入浅出又严谨细致地介绍了马尔可夫决策过程、蒙特卡洛方法、时序差分方法、同轨离轨策略等强化学习的基本概念和方法，并以大量的实例帮助理解强化学习的问题建模过程以及核心的算法细节。
普通重要度采样的估计的方差通常是无穷的，尤其当缩放过的回报值具有无穷的方差时，其收敛性往往不尽人意，而这种现象在带环的序列轨迹中进行离轨策略学习时很容易发生。