在NLP 中，分詞（tokenization，也稱切詞）是一種特殊的文檔切分（segmentation）過程。而文檔切分能夠將文本拆分成更小的文本塊或片段，其中含有更集中的信息內容。文檔切分可以是將文檔分成段落，將段落分成句子，將句子分成短語，或將短語分成詞條（通常是詞）和標點符號。將文本分割成詞條的過程，這個過程稱為分詞。
自然語言處理流水線的各個階段可以看作是層，就像前饋神經網絡中的層一樣。深度學習就是通過在傳統的兩層機器學習模型架構（特征提取+建模）中添加額外的處理層來創建更復雜的模型和行為。神經網絡通過將模型錯誤從輸出層反向傳播回輸入層，從而幫助完成跨層傳播學習的過程。
《自然語言處理實戰：利用Python理解分析和生成文本》中文PDF+英文PDF+代碼
《自然語言處理實戰利用Python理解分析和生成文本》中文PDF，原版帶目錄，455頁；英文PDF，545頁；配套源代碼。
下載: https://pan.baidu.com/s/1GNEVqkfQ5RkkFay0Ku83ag
提取碼: hyhf
NLP 已成為深度學習的核心應用領域，而深度學習是NLP 研究和應用中的必要工具，分為3 部分：第一部分介紹NLP 基礎，包括分詞、TF-IDF 向量化以及從詞頻向量到語義向量的轉換；第二部分講述深度學習，包含神經網絡、詞向量、卷積神經網絡（CNN）、循環神經網絡（RNN）、長短期記憶（LSTM）網絡、
序列到序列建模和注意力機制等基本的深度學習模型和方法；第三部分介紹實戰方面的內容，包括信息提取、問答系統、人機對話等真實世界系統的模型構建、性能挑戰以及應對方法。
《深度學習進階自然語言處理》中文PDF+源代碼
《深度學習進階自然語言處理》中文PDF，帶目錄，427頁，文字可復制，齋藤康毅著，陸宇傑譯。配套源代碼。
下載: https://pan.baidu.com/s/1By8rhb-lZDnBW74TG9LatQ
提取碼: tg83
深度學習正在深刻地改變這個世界。沒有深度學習，智能手機的語音識別、Web 的實時翻譯、匯率的預測都無從談起。得益於深度學習，新葯的研發、患者的診斷、汽車的自動駕駛都在漸漸成為現實。除此以外，幾乎所有的高新技術背后都有深度學習的身影。今后，世界將因深度學習而前進得更遠。
本書是《深度學習入門基於Python 的理論與實現》的續作，我們將在前作的基礎上討論深度學習的相關技術。特別是，本書將專注於自然語言處理和時序數據處理，使用深度學習挑戰各種各樣的任務。另外，繼承了前作“從零開始創建”的理念，充分體驗深度學習相關的高新技術。
《深度學習推薦系統》PDF+王喆
《深度學習推薦系統》PDF，帶目錄，304頁，文字可復制，王喆編著
下載: https://pan.baidu.com/s/1aUbP6Ukun0_yCYDwEjIrbw
提取碼: jvjd
深度學習推薦系統從深度學習推薦模型、Embedding技術、推薦系統工程實現、模型評估體系、業界前沿實踐等幾個方面介紹了這場技術革命中的主流技術要點。
與傳統機器學習不同的是，深度學習將復雜的、需要專業化建模與優化能力、專業化分布式計算編程能力才能搞定的工業級機器學習算法研發閉環打破，提供了如下搭積木式的算法研發新范式。
《知識圖譜方法實踐與應用》原版PDF+勘誤+王昊奮
《知識圖譜方法實踐與應用》原版PDF，477頁，有書簽，文字可復制，配套實踐工具操作步驟等，作者：王昊奮等
下載: https://pan.baidu.com/s/1Q8Te81cP-NfXfi1wJxbuMw
提取碼: yz5v
知識圖譜是人工智能的一個分支，對可解釋人工智能具有重要作用。近幾年，隨着知識表示和機器學習等技術的發展，知識圖譜相關技術取得了突破性的進展，特別是知識圖
譜的構建、推理和計算技術以及知識服務技術，都得到了快速的發展。這些技術的進步使知識圖譜在工業界受到了廣泛關注，並取得了顯著成果。谷歌、微軟、百度等互聯網公司
率先構建了大規模通用知識圖譜，提供基於實體和關系的語義搜索，可以更好地理解用戶查詢。知識圖譜還在智能決策系統、推薦系統和智能問答系統中起到了重要作用。知識圖
譜不僅有巨大的應用價值，而且具有重要的理論價值。知識圖譜使傳統知識表示和推理技術有了落腳點，也為知識表示和推理帶來了新的挑戰。
《知識圖譜與深度學習》PDF+劉知遠
《知識圖譜與深度學習》PDF，259頁，有書簽，文字可復制，作者：劉知遠等
下載: https://pan.baidu.com/s/1OKk9AnrpnM7emeqGgNXxJw
提取碼: cpa9
知識就是力量，人工智能想要讓計算機像人一樣思考，同樣需要知識的力量。計算機實現人工智能需要哪些知識，這些知識要如何表示、獲取、計算以及使用，都是人工智能的重要研究課題。知識圖譜作為人類知識結構化形成的知識系統，是人工智能研究和智能信息服務的基礎核心技術，被廣泛應用於搜索引擎、問答系統、智能對話系統以及個性化推薦等知識驅動的領域。內容包括語言知識和世界知識兩種類型知識，以及這兩類知識在表示學習、自動獲取與計算應用方面的新探索。作為數據智能與知識智能的前沿研究方向，知識圖譜與深度學習的融合互動是人工智能的重要發展趨勢。
《知識圖譜概念與技術》PDF+肖仰華
《知識圖譜概念與技術》PDF，541頁，有書簽，文字可復制，作者：肖仰華等
下載: https://pan.baidu.com/s/1lJOXUe2Pamt9-f09UtcAsw
提取碼: xuqw
知識圖譜是一種大規模語義網絡，已經成為大數據時代知識工程的代表性進展。知識圖譜技術是實現機器認知智能和推動各行業智能化發展的關鍵基礎技術。知識圖譜也成為大規模知識工程的代表性實踐，其學科日益完善。
立石賢吾《白話機器學習的數學》PDF+源代碼
《白話機器學習的數學》中文PDF，277頁，有詳細目錄，文字可復制；配套源代碼；立石賢吾著
下載: https://pan.baidu.com/s/1C7-8bF3-5_uuXI2T_LPdCg
提取碼: znvq
通過利用機器學習解決問題的方法，可以“根據投入的廣告費來預測點擊量”為題材，學習回歸。先利用簡單的例子來思考為了預測需要引入什么樣的表達式，然后考慮如何才能使它接近最適合的結果。以“根據圖像的大小，將其分類為縱向圖像和橫向圖像”為題材，學習分類。首先考慮為了實現分類需要引入什么樣的表達式，然后考慮如何才能使它接近最適合的結果。學習如何對模型進行評估，以及用於評估的指標有哪些。使用Python 進行編程把用表達式思考的內容編寫為代碼。
《深度學習的數學》PDF+示例xls+涌井良幸
《深度學習的數學》PDF，244頁，帶目錄，文字可以復制；配套示例Excel文件；作者: 涌井良幸，涌井貞美 ，譯者: 楊瑞龍
下載: https://pan.baidu.com/s/17_MYg_9pNVPip2fgjNerQw
提取碼: 4ebe
《深度學習的數學》基於豐富的圖示和具體示例，通俗易懂地介紹了深度學習相關的數學知識。第1章介紹神經網絡的概況；第2章介紹理解神經網絡所需的數學基礎知識；第3章介紹神經網絡的最優化；第4章介紹神經網絡和誤差反向傳播法；第5章介紹深度學習和卷積神經網絡。書中使用Excel進行理論驗證，幫助直觀地體驗深度學習的原理。
《普林斯頓概率論讀本》中文PDF+英文PDF
《普林斯頓概率論讀本》中文PDF，735頁，有詳細書簽目錄，文字可以復制；《普林斯頓概率論讀本》英文PDF，737頁，有詳細書簽目錄，文字可以復制。
下載: https://pan.baidu.com/s/1kFZSCEbjs5HdRbG_8zOtWA
提取碼: viw9
通過大量現有的例子和已經實現的代碼來掌握內容, 不僅要引導對方程和定理為什么成立展開大量討論,還要引導不斷探討為什么這些方程和定理具有這樣的形式. 除了那些已有答案的問題之外, 關於定理的證明, 給出了很多解釋說明, 其中重點討論了為什么某些論證是顯然成立的, 以及我們為什么想要得到具有某種特定形式的答案.
弄清楚某些結論為何成立以及應當采用什么樣的思路來證明, 將幫助更加正確地使用這些結論並從中挖掘出新的相關知識.
拉菲《普林斯頓數學分析讀本》中文PDF+英文PDF
《普林斯頓數學分析讀本》中文PDF，221頁，有書簽，文字可復制；英文PDF，201頁。譯者李馨。
下載: https://pan.baidu.com/s/1yv6wpgWwH-vZZg1cUeLZHQ
提取碼: s2d1
講解了實分析的基礎內容，包括基本的數學與邏輯、實數、集合、拓撲、序列等．以通俗易懂且略帶幽默的口吻講述了兩步式求解方法：首先展示如何回溯到求解問題的關鍵，
之后說明如何嚴謹規范地寫下解題過程．給出了豐富的示例，幫助學生鞏固所學知識．
數學家把實分析稱為嚴格的微積分．“嚴格”意味着我們進行的每一步以及使用的每一個公式都必須得到證明．如果從一組稱為公理或假說的基本假設出發，那么我們總是可以通過一個又一個合理的步驟得到最終想要的結論．
《線性代數及其應用第5版》中文PDF+習題解答手冊+英文PDF
《線性代數及其應用第5版》中文PDF，567頁，帶詳細目錄，文字可復制，David C Lay著，劉深泉譯；配套第5版習題解答手冊，454頁；第5版英文PDF，713頁。
下載: https://pan.baidu.com/s/1PlzFkJtQLvru29o51g3VBQ
提取碼: 3ky7
給出新的線性代數基本介紹和一些有趣應用，目的是幫助掌握線性代數的基本概念及應用技巧，為后續課程的學習和工作實踐奠定基礎。主要內容包括線性方程組、矩陣代數、行列式、向量空間、特征值與特征向量、正交性和小二乘法、對稱矩陣和二次型、向量空間的幾何學等，包含大量的練習題、習題、例題等，便於參考。給我的感受是內容既有深度，又有廣度，講得清晰易懂，又能聯系實際應用，很好的入門和復習書，圖片形象展示了數學工具也有物理意義，數形結合妙哉，而且還與計算機巧妙的結合起來。一本讓我覺得“哇，數學這么神奇”的書，粗淺地過了一遍，很適合入門，很適合工科。
《神經網絡設計第2版》中文PDF+英文PDF+代碼
《神經網絡設計第2版》中文PDF，438頁，有詳細書簽目錄，文字可以復制；英文PDF，1012頁；配套源代碼，馬丁T. 哈根著;章毅等譯.
下載: https://pan.baidu.com/s/1TNQy6TRiiDoZWgPlHV5N_A
提取碼: 83hp
《神經網絡設計書第2版》主要討論網絡結構、學習規則、訓練技巧和工程應用，緊緊圍繞“設計”這一視角組織材料和展開講解，強調基本原理和訓練方法，概念清晰，數學論述嚴謹，包含豐富的實例和練習，並配有課件和MATLAB演示程序。
劉忠雨《深入淺出圖神經網絡GNN原理解析》PDF+源代碼
《深入淺出圖神經網絡GNN原理解析》PDF，285頁，有詳細書簽目錄，文字可以復制；配套源代碼，劉忠雨等著
下載: https://pan.baidu.com/s/1lVYEIwR4sCE6Zhp_k5w25g
提取碼: kjra
激活函數是神經網絡中一個十分重要的概念，它的非線性使得神經網絡幾乎可以任意逼近任何非線性函數。如果不使用激活函數，無論神經網絡有多少層，其每一層的輸出都是上一層輸入的線性組合，這樣構成的神經網絡仍然是一個線性模型，表達能力有限。激活函數的選擇可以多種多樣，一個基本的要求是它們是連續可導的，可以允許在少數點上不可導。常用的激活函數包括S型激活函數和ReLU及其變種等。
《強化學習第2版》中文PDF+英文PDF
《強化學習第2版》中文PDF，550頁，文字可以復制；英文PDF，548頁，文字可以復制。作者：Richard S. Sutton 俞凱等譯
下載: https://pan.baidu.com/s/1rcjHkLoJ2-KyVgZuEnzvVQ
提取碼: 22jm
《強化學習第2版》作為強化學習思想的深度解剖之作，被業內公認為是一本強化學習基礎理論的經典著作。它從強化學習的基本思想出發，深入淺出又嚴謹細致地介紹了馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、同軌離軌策略等強化學習的基本概念和方法，並以大量的實例幫助理解強化學習的問題建模過程以及核心的算法細節。
普通重要度采樣的估計的方差通常是無窮的，尤其當縮放過的回報值具有無窮的方差時，其收斂性往往不盡人意，而這種現象在帶環的序列軌跡中進行離軌策略學習時很容易發生。