導(dǎo)讀：AI人才缺口巨大卒密？如果你想成為AI革命中的一員，那么你就必須要學(xué)習(xí)深度學(xué)習(xí)岳掐，看看這12本書，它們將成為你的利器饭耳！
我相信你應(yīng)該知道人工智能串述，尤其是深度學(xué)習(xí)在過(guò)去5年左右取得了不錯(cuò)的進(jìn)步。?
深度學(xué)習(xí)是由少數(shù)研究人員開(kāi)始的一個(gè)相對(duì)較小的領(lǐng)域寞肖，現(xiàn)在已經(jīng)變得如此主流纲酗，以至于我們現(xiàn)在每天使用的應(yīng)用程序和服務(wù)，現(xiàn)在都在使用深度學(xué)習(xí)來(lái)執(zhí)行不久前難以想象的任務(wù)新蟆。
但深度學(xué)習(xí)并不新鮮觅赊，從20世紀(jì)40年代開(kāi)始，Warren McCulloch和Walter Pitts就基于數(shù)學(xué)和算法創(chuàng)建了神經(jīng)網(wǎng)絡(luò)的計(jì)算模型琼稻。
然而吮螺，“深度學(xué)習(xí)”在不久前才開(kāi)始流行起來(lái)，當(dāng)時(shí)Geoffrey Hinton和Ruslan Salakhutdinov發(fā)表了一篇論文帕翻，??展示了一個(gè)多層神經(jīng)網(wǎng)絡(luò)如何可以一次預(yù)先訓(xùn)練一層鸠补。
在2009年，人們發(fā)現(xiàn)嘀掸，使用足夠大的數(shù)據(jù)集紫岩，你實(shí)際上并不需要預(yù)訓(xùn)練，并且錯(cuò)誤率可能因?yàn)閿?shù)據(jù)的增加顯著下降睬塌。
2012年泉蝌，Google的Deep Learning系統(tǒng)實(shí)現(xiàn)了人類發(fā)現(xiàn)貓的能力。
2016年揩晴，Google的阿爾法狗打敗了李世石勋陪，人工智能大火。
2017年文狱，Google的DeepMind構(gòu)建了一種名為AlphaGo?zero的算法粥鞋，該算法可以自行掌握下圍棋，并取得了不錯(cuò)的成績(jī)瞄崇。
但這僅僅是一個(gè)開(kāi)始呻粹。隨著數(shù)據(jù)集越來(lái)越大，處理器速度越來(lái)越快苏研，以便能夠訓(xùn)練更多的海量數(shù)據(jù)等浊，深度學(xué)習(xí)的能力將不斷提高。
所以摹蘑，如果你想成為這場(chǎng)革命的一部分筹燕，現(xiàn)在無(wú)疑是最佳的時(shí)間進(jìn)入深度學(xué)習(xí)領(lǐng)域了。
隨著GPU和大數(shù)據(jù)集一應(yīng)俱全，學(xué)習(xí)深度學(xué)習(xí)的機(jī)會(huì)巨大撒踪。這樣做將使你能夠訓(xùn)練機(jī)器執(zhí)行一些令人難以置信的任務(wù)过咬，例如面部識(shí)別，癌癥檢測(cè)制妄，甚至是股市預(yù)測(cè)掸绞。
這就是這些書能派上用場(chǎng)的地方，因?yàn)樗鼈兛梢宰屇銖牧汩_(kāi)始學(xué)習(xí)深度學(xué)習(xí)耕捞。本文綜述中的每一本書都有各自的優(yōu)點(diǎn)衔掸，而且每一本書都非常出色。
不過(guò)俺抽，我已經(jīng)把它們按我認(rèn)為是最好的以及我建議學(xué)習(xí)先后的順序排名敞映。
以下是目前互聯(lián)網(wǎng)上的12本最好的深度學(xué)習(xí)書籍：
1.用Scikit-Learn和TensorFlow進(jìn)行機(jī)器學(xué)習(xí)
首先，在我看來(lái)最好的一本是采用流行的機(jī)器學(xué)習(xí)庫(kù)Scikit-Learn和Google的TensorFlow的實(shí)踐教程來(lái)學(xué)習(xí)深度學(xué)習(xí)的書磷斧。
作者試圖以一種幾乎任何人都能理解的方式來(lái)解釋復(fù)雜的話題振愿，這在我看來(lái)是一個(gè)很大的優(yōu)勢(shì)。
我喜歡“?動(dòng)手機(jī)器學(xué)習(xí)”瞳抓，它可以讓你通過(guò)機(jī)器學(xué)習(xí)項(xiàng)目從開(kāi)始到結(jié)束埃疫。因此，你可以看到如何處理真實(shí)數(shù)據(jù)孩哑，如何將數(shù)據(jù)可視化以獲取洞察力栓霜，以及重要的是如何為機(jī)器學(xué)習(xí)算法準(zhǔn)備數(shù)據(jù)。
在本書后面横蜒，你將看到著名的MNIST分類器胳蛮，模型是如何訓(xùn)練以及一些基本的機(jī)器學(xué)習(xí)分類器，如SVM丛晌，決策樹(shù)腰湾，隨機(jī)森林等腊嗡。
所有這一切都是為了讓你準(zhǔn)備好本書的第二部分，內(nèi)容涉及Tensorflow（包括安裝）以及基本的神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)。
我認(rèn)為這本書的結(jié)構(gòu)很好糟港，并以正確的順序介紹了主題故硅，而且書中的想法和具體例子都有很好的解釋塔插。
2.深度學(xué)習(xí)（Deep Learning）
深度學(xué)習(xí)染苛，可能是本文中最全面的書。?這本書由該領(lǐng)域的三位專家Ian Goodfellow毁兆，Yoshua Bengio和Aaron Courville撰寫浙滤。此書也是唯一得到企業(yè)家馬斯克認(rèn)可的書。
這本書被許多人認(rèn)為是深度學(xué)習(xí)的圣經(jīng)气堕，因?yàn)樗鼌R集了數(shù)年和數(shù)年在一本書中學(xué)習(xí)和專注的研究纺腊。
這本書并不是為了專心學(xué)習(xí)畔咧，而是可以更好地用于睡前閱讀，因?yàn)樗錆M了函數(shù)方程式揖膜，并以典型的教科書書寫誓沸，所以它不會(huì)寫成最有趣的風(fēng)格。
它從一開(kāi)始就介紹基礎(chǔ)數(shù)學(xué)壹粟，如線性代數(shù)蔽介，概率論，接著轉(zhuǎn)向機(jī)器學(xué)習(xí)基礎(chǔ)煮寡，最后介紹深度網(wǎng)絡(luò)和深度學(xué)習(xí)。
所以犀呼，如果你是一個(gè)渴望掌握主題并進(jìn)入深度學(xué)習(xí)研究的有抱負(fù)的學(xué)生幸撕，那么這本書肯定會(huì)對(duì)你有所幫助。這可能是目前關(guān)于此主題的最全面的書籍外臂。
3.Deep Learning for the Layman(為外行準(zhǔn)備的深度學(xué)習(xí))
我把這本書添加進(jìn)來(lái)坐儿，因?yàn)檎鐦?biāo)題所說(shuō)的的那樣，它是為一般讀者而寫的宋光。
對(duì)于外行的深度學(xué)習(xí)首先介紹深度學(xué)習(xí)貌矿，具體來(lái)說(shuō)，它是什么以及為什么需要它罪佳。
本書的下一部分解釋了監(jiān)督學(xué)習(xí)逛漫，無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)之間的差異，并介紹了分類和聚類等主題赘艳。本書后面將討論人工神經(jīng)網(wǎng)絡(luò)酌毡，包括它們是如何構(gòu)建的以及構(gòu)成網(wǎng)絡(luò)中每一層的部分。最后討論了深度學(xué)習(xí)蕾管，包括構(gòu)成當(dāng)今許多計(jì)算機(jī)視覺(jué)算法的一部分的卷積神經(jīng)網(wǎng)絡(luò)枷踏。
我將這本書看作是對(duì)深度學(xué)習(xí)的介紹，并了解所涉及的概念掰曾。但實(shí)際上旭蠕，我不確定這本書會(huì)對(duì)你有好處，但如果你想要一本簡(jiǎn)單的英文指南旷坦，同時(shí)又能看到很少炒作的文字掏熬，那么這本書可能適合你。
4.建立你自己的神經(jīng)網(wǎng)絡(luò)（Make Your Own Neural Network）
這不是嚴(yán)格意義上的“深度學(xué)習(xí)”塞蹭，但本書將帶你深入了解神經(jīng)網(wǎng)絡(luò)及其工作原理孽江，幫助你了解深度神經(jīng)網(wǎng)絡(luò)。
在本書中番电，你可以通過(guò)神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)指導(dǎo)岗屏，完整的理解神經(jīng)網(wǎng)絡(luò)的工作方式辆琅。
你不僅可以知道他們?nèi)绾喂ぷ鳎€可以在Python中實(shí)現(xiàn)兩個(gè)神經(jīng)網(wǎng)絡(luò)示例这刷，這將有助于鞏固你對(duì)該主題的理解婉烟。
本書從機(jī)器學(xué)習(xí)的高層概述開(kāi)始，然后深入研究神經(jīng)網(wǎng)絡(luò)的細(xì)節(jié)暇屋。所涉及的數(shù)學(xué)并沒(méi)有超出大學(xué)水平似袁，但包含微積分的介紹，這是以盡可能多的人訪問(wèn)的方式解釋的咐刨。
有兩個(gè)部分可以建立自己的神經(jīng)網(wǎng)絡(luò)昙衅，第一部分是關(guān)于思想和理論的，第二部分是更實(shí)際的定鸟。
在第二部分中而涉，你將學(xué)習(xí)Python編程語(yǔ)言，并逐漸建立起自己的能夠識(shí)別手寫數(shù)字的神經(jīng)網(wǎng)絡(luò)联予。
作為獎(jiǎng)勵(lì)啼县，你還將學(xué)習(xí)如何讓你的神經(jīng)網(wǎng)絡(luò)在Raspberry Pi上運(yùn)行！
對(duì)于那些希望學(xué)習(xí)基本神經(jīng)網(wǎng)絡(luò)的基本內(nèi)容的人來(lái)說(shuō)沸久，這本書是一本很棒的書季眷，并且可以成為本次綜述中有關(guān)深度學(xué)習(xí)的其中一本書的重要先決條件。
5.深度學(xué)習(xí)初學(xué)者（Deep Learning for Beginners）
對(duì)于初學(xué)者的深度學(xué)習(xí)卷胯，這本書并不太重視深度學(xué)習(xí)的數(shù)學(xué)子刮，而是使用圖表來(lái)幫助你理解深度學(xué)習(xí)的基本概念和算法。
本書采用與許多其他書籍不同的方法窑睁，通過(guò)提供深度學(xué)習(xí)算法的工作原理的簡(jiǎn)單示例话告，然后逐步構(gòu)建這些示例并逐步引入更復(fù)雜的算法部分。
本書的目標(biāo)受眾非常多樣卵慰，從計(jì)算機(jī)科學(xué)新手到數(shù)據(jù)科學(xué)專業(yè)人員和導(dǎo)師都希望以最簡(jiǎn)單的方式向?qū)W生解釋相關(guān)主題沙郭。
就書本結(jié)構(gòu)而言，你將首先學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)裳朋，并了解機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的差異病线。之后，你將在進(jìn)入卷積神經(jīng)網(wǎng)絡(luò)（CNN）和其他深度學(xué)習(xí)算法之前了解有關(guān)多層感知器（MLP）的所有信息鲤嫡。
這是一本很好的初學(xué)者書籍送挑，可以很好地解釋這些概念，但是如果你正在尋找更實(shí)用的東西暖眼，那么你應(yīng)該在本綜述中查找其他書籍惕耕。
6.神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)（Neural Networks and Deep Learning:Deep Learning explained to your granny）
一本通俗解釋深度學(xué)習(xí)的書，簡(jiǎn)單地說(shuō)诫肠，你的奶奶都可以在本書的幫助下理解深度學(xué)習(xí)司澎！
神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)：讓你逐步了解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)欺缘，對(duì)于那些想要了解這個(gè)主題但不一定想深入了解所有數(shù)學(xué)背景的人來(lái)說(shuō)，這本書是一本很棒的書挤安。
因此谚殊，在簡(jiǎn)要介紹機(jī)器學(xué)習(xí)之后，你將學(xué)習(xí)有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督的學(xué)習(xí)蛤铜，然后研究諸如神經(jīng)元嫩絮、激活函數(shù)和不同類型的網(wǎng)絡(luò)體系結(jié)構(gòu)等。
最后围肥，你將學(xué)習(xí)深度學(xué)習(xí)的實(shí)際工作原理剿干，深度神經(jīng)網(wǎng)絡(luò)的主要類型（包括卷積神經(jīng)網(wǎng)絡(luò)），如何給神經(jīng)網(wǎng)絡(luò)提供記憶穆刻，還討論了可用的各種框架和庫(kù)怨愤。
7.深度學(xué)習(xí)基礎(chǔ)：設(shè)計(jì)下一代機(jī)器智能算法（Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms）
Nikhil Buduma和Nicholas Locascio撰寫的這本書以及旨在幫助你開(kāi)始深度學(xué)習(xí)，但其目標(biāo)是那些熟悉Python并具有微積分背景的人蛹批。
盡管如此，深度學(xué)習(xí)基礎(chǔ)知識(shí)確實(shí)涵蓋了機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)篮愉，并且教會(huì)了如何訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)腐芍。
我認(rèn)為這本書的亮點(diǎn)之一是它大量使用了Tensorflow，它是Google的深度學(xué)習(xí)框架试躏，用于構(gòu)建神經(jīng)網(wǎng)絡(luò)猪勇。事實(shí)上，書中有一整章專門介紹它颠蕴，這在我看來(lái)是一個(gè)巨大的優(yōu)勢(shì)泣刹。
就本書的其余部分而言，它涉及一些相當(dāng)先進(jìn)的特性犀被，如梯度下降椅您、卷積濾波器、深度強(qiáng)化學(xué)習(xí)等等寡键。
8.學(xué)習(xí)TensorFlow：構(gòu)建深度學(xué)習(xí)系統(tǒng)的指南（Learning TensorFlow: A Guide to Building Deep Learning Systems）
接下來(lái)是一本完全關(guān)注Tensorflow的書掀泳，本書為Tensorflow提供了一個(gè)實(shí)用的實(shí)踐方法，適用于廣泛的技術(shù)人員西轩，從數(shù)據(jù)科學(xué)家到工程師员舵，學(xué)生。
通過(guò)在Tensorflow中提供一些基本示例藕畔，本書開(kāi)始非常入門马僻，但隨后轉(zhuǎn)向更深入的主題，如卷積神經(jīng)網(wǎng)絡(luò)等神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)注服，如何使用文本和序列韭邓、TensorBoard可視化措近、TensorFlow抽象庫(kù)以及多線程輸入管道。
學(xué)習(xí)TensorFlow的終極目標(biāo)是教你如何通過(guò)保存和導(dǎo)出模型以及如何使用Tensorflow服務(wù)API仍秤，在Tensorflow中構(gòu)建和部署適用于生產(chǎn)的深度學(xué)習(xí)系統(tǒng)熄诡。
9.用Python深入學(xué)習(xí)（Deep Learning with Python）
深度學(xué)習(xí)with python作為標(biāo)題建議介紹深度學(xué)習(xí)使用Python編程語(yǔ)言和開(kāi)源Keras庫(kù)，它允許簡(jiǎn)單快速的原型設(shè)計(jì)诗力。
關(guān)于這本書的偉大之處在于作者非常有吸引力凰浮，這使得本書非常易讀。正因?yàn)槿绱宋荆斯ぶ悄芎蜕疃葘W(xué)習(xí)的一些更具挑戰(zhàn)性的方面的布局簡(jiǎn)單易懂袜茧。
本書還避免了數(shù)學(xué)符號(hào)，而是專注于通過(guò)代碼片段（其中有30多個(gè)）解釋概念瓣窄。
在Python深度學(xué)習(xí)中笛厦，??你將從一開(kāi)始就學(xué)習(xí)深度學(xué)習(xí)，你將學(xué)習(xí)所有關(guān)于圖像分類模型俺夕，如何使用深度學(xué)習(xí)獲取文本和序列裳凸，甚至可以學(xué)習(xí)如何使用神經(jīng)網(wǎng)絡(luò)生成文本和圖像。
本書是為那些具有Python技能的人員編寫的劝贸，但你不必在機(jī)器學(xué)習(xí)姨谷，Tensorflow或Keras方面有過(guò)任何經(jīng)驗(yàn)。你也不需要先進(jìn)的數(shù)學(xué)背景映九，只有基礎(chǔ)的高中水平數(shù)學(xué)應(yīng)該讓你跟隨和理解核心思想梦湘。
10.深度學(xué)習(xí)：從業(yè)者的方法（Deep Learning :A Practitioner’s Approach）
與本綜述中的其他書不同，本書重點(diǎn)介紹Deep Learning For Java（DL4J）件甥，它是用于訓(xùn)練和實(shí)施深度神經(jīng)網(wǎng)絡(luò)的Java框架/庫(kù)捌议。
現(xiàn)在大多數(shù)人工智能研究都是用Python進(jìn)行的，因?yàn)榭焖僭烷_(kāi)發(fā)通常更快引有，但隨著更多組織（其中許多使用Java）擁抱AI瓣颅，我們可能會(huì)看到更多的AI算法轉(zhuǎn)向Java，如DL4J譬正。
本書首先是關(guān)于深度學(xué)習(xí)的初學(xué)者書籍弄捕，但如果你已經(jīng)具備Java或深度學(xué)習(xí)的經(jīng)驗(yàn)，那么你可以直接查看示例导帝。
如果你在深度學(xué)習(xí)方面沒(méi)有經(jīng)驗(yàn)守谓，但是有豐富的Java經(jīng)驗(yàn)，那么你應(yīng)該從封面閱讀您单。如果你根本不了解Java斋荞，那么我強(qiáng)烈推薦閱讀其中一本??Java初學(xué)者書籍。
通過(guò)閱讀本書虐秦，你將總體了解機(jī)器學(xué)習(xí)概念平酿，特別關(guān)注深度學(xué)習(xí)凤优。你將了解深度神經(jīng)網(wǎng)絡(luò)是如何從基礎(chǔ)神經(jīng)網(wǎng)絡(luò)發(fā)展而來(lái)的，你還將了解一些深層網(wǎng)絡(luò)架構(gòu)蜈彼，如卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)筑辨。
如果你熟悉Hadoop和Spark，那么你將能夠了解如何使用DL4J本身的這些技術(shù)幸逆。
11.用TensorFlow進(jìn)行專業(yè)深度學(xué)習(xí)（Pro Deep Learning with TensorFlow）
本書將以親身實(shí)踐的方式教給你Tensorflow棍辕，讓你能夠從零開(kāi)始學(xué)習(xí)深度學(xué)習(xí)，快速掌握Tensorflow API并學(xué)習(xí)如何優(yōu)化各種深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)还绘。
專業(yè)深度學(xué)習(xí)將幫助你開(kāi)發(fā)調(diào)整現(xiàn)有神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)所需的數(shù)學(xué)知識(shí)和經(jīng)驗(yàn)楚昭，甚至創(chuàng)造出可能挑戰(zhàn)最新技術(shù)水平的全新體系結(jié)構(gòu)。
本書中的所有代碼都以iPython筆記本的形式提供拍顷，因?yàn)槲疫^(guò)去曾使用過(guò)Tensorflow抚太，我發(fā)現(xiàn)在開(kāi)發(fā)過(guò)程中使用iPython筆記本電腦非常有用。
本書面向數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)專業(yè)人員昔案、軟件開(kāi)發(fā)人員尿贫、研究生和開(kāi)源愛(ài)好者，并將為你提供數(shù)學(xué)基礎(chǔ)和機(jī)器學(xué)習(xí)原理踏揣，使你能夠開(kāi)展研究并將深度學(xué)習(xí)解決方案部署到生產(chǎn)環(huán)境中庆亡。
12.用于深度學(xué)習(xí)的TensorFlow（TensorFlow for Deep Learning）
在撰寫本文時(shí)，深度學(xué)習(xí)的TensorFlow尚未發(fā)布呼伸，但可用于預(yù)購(gòu)。
本書將通過(guò)從頭開(kāi)始的實(shí)例向你介紹深度學(xué)習(xí)的概念钝尸，專門為開(kāi)發(fā)經(jīng)驗(yàn)豐富的構(gòu)建軟件系統(tǒng)的開(kāi)發(fā)人員但沒(méi)有深度學(xué)習(xí)體系結(jié)構(gòu)的經(jīng)驗(yàn)設(shè)計(jì)括享。
本書將向你展示如何設(shè)計(jì)可執(zhí)行對(duì)象檢測(cè)，翻譯人類語(yǔ)言珍促，分析視頻甚至預(yù)測(cè)潛在藥物特性的系統(tǒng)铃辖！
你將獲得關(guān)于Tensorflow API的深入知識(shí)，如何在大型數(shù)據(jù)集上訓(xùn)練神經(jīng)網(wǎng)絡(luò)以及如何在卷積網(wǎng)絡(luò)猪叙，循環(huán)網(wǎng)絡(luò)娇斩，LSTM和強(qiáng)化學(xué)習(xí)中使用TensorFlow。
本書的確需要一些基本線性代數(shù)和微積分的背景知識(shí)穴翩，但這是一本實(shí)用的書犬第，旨在教你如何創(chuàng)建可以學(xué)習(xí)的系統(tǒng)。
總結(jié)：
所以這就是它們芒帕，這是目前最好的深度學(xué)習(xí)書籍歉嗓。人工智能，尤其是深度學(xué)習(xí)背蟆，已經(jīng)非臣郑火熱了哮幢，而且這項(xiàng)技術(shù)已經(jīng)實(shí)現(xiàn)了非凡的功能。然而志珍，它仍處于起步階段橙垢，許多組織尚未接受它。
但是伦糯，這恰恰是為愿意學(xué)習(xí)深度學(xué)習(xí)的人提供了時(shí)間和機(jī)會(huì)柜某。
深度學(xué)習(xí)有能力改變?cè)S多行業(yè)，并且還有許多尚未被夢(mèng)想過(guò)的創(chuàng)業(yè)公司的想法舔株。我覺(jué)得我們只是站在技術(shù)革命的開(kāi)端莺琳。
作為Java開(kāi)發(fā)人員，我有過(guò)深度學(xué)習(xí)的一些經(jīng)驗(yàn)载慈，但我知道很多同事還沒(méi)有學(xué)習(xí)這個(gè)主題惭等。所以，趁早抓住機(jī)會(huì)學(xué)習(xí)吧办铡。
本文由阿里云云棲社區(qū)組織翻譯辞做。
擴(kuò)展閱讀
34張架構(gòu)史上最全技術(shù)知識(shí)圖譜
Java后端技術(shù)從0到1路線，一步步走向大神寡具！
來(lái)源：http://www.reibang.com/p/18dc97e0a48d
