《深度學習入門：基於 Python 的理論與實現》

本書是深度學習的入門書，深入淺出地剖析了深度學習的原理和相關技術。從基本的數學知識出發，帶領讀者從零建立一個經典的深度學習網路，使讀者在此過程中逐步理解深度學習。書中不僅介紹了深度學習和神經網路的概念、特徵等基礎知識，對誤差反向傳播法、卷積神經網路等也有深入講解，此外還介紹了深度學習相關的實用技巧，自動駕駛、影象生成、強化學習等方面的應用，以及為什麼加深層可以提高識別精度等“為什麼”的問題。

如果沒有深度學習方面的知識，可以從這本書入手。

《Python深度學習》

本書詳盡介紹了用Python和Keras進行深度學習的探索實踐，涉及計算機視覺、自然語言處理、生成式模型等應用。這本書立足於人工智慧的可達性和大眾化，讀者無須具備機器學習相關背景知識即可展開閱讀。在學習完本書後，讀者將具備搭建自己的深度學習環境、建立影象識別模型、生成影象和文字等能力。

這本書由淺入深，對初學深度學習的人來說非常友好。如果你對深度學習中的很多概念的理解不夠透徹，讀了這本書之後，你會有不一樣的認識。學習本書，你只需具備基礎的python知識，不需要深度學習或者機器學習經驗，也不需要高深的數學知識，高中數學水平就能看懂這本了。這是“”無痛"快速入門深度學習的佳作。

《動手學深度學習》

本書同時覆蓋了深度學習方法和實踐。不僅從數學的角度闡述深度學習的技術與應用，還包含可執行的程式碼，為讀者展示如何在實際中解決問題。為了給讀者提供一種互動式的學習體驗，不但提供免費的教學影片和討論區，而且提供可執行的Jupyter記事本檔案，充分利用Jupyter記事本能將文字、程式碼、公式和影象統一起來的優勢。這樣不僅直接將數學公式對應成實際程式碼，而且可以修改程式碼、觀察結果並及時獲取經驗，從而帶給讀者全新的、多方位互動式的深度學習的學習體驗。

這本書是寫給實戰工程師用的，實操性毋庸置疑。

《深度學習》

這本書注重細節，面面俱到，理論嚴謹，不太適合剛入門的人，建議有一定實操經驗之後再來讀這本。如果你的英語不差，建議去讀英文原版。

《機器學習》

這本書作為機器學習的入門自學書並不太合適，比較學院派，過於側重理論知識，對於搬磚的碼農，不算特別友好，很可能看完後，還是不知道要怎麼辦；但是對於進階型選手，希望改進網路、最佳化網路、深入思考網路原理的同學，再合適不過了。

《統計學習方法》

樸實無華的書名，把AI或深度學習的本質，直接暴露給了讀者。是的，AI其實就是統計學習方法。

本書分為監督學 習和無監督學習兩篇，全面系統地介紹了統計學習的主要方法。包括感知機、k 近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦迴歸與最大熵模型、支援向量機、提升方法、EM 演算法、隱馬爾可夫模型和條件隨機場，以及聚類方法、奇異值分解、主成分分析、潛在語義分析、機率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和 PageRank 演算法等。除有關統計學習、監督學習和無監督學習的概論和總結的四章外，每章介紹一種方法。敘述力求從具體問題或例項入手， 由淺入深，闡明思路，給出必要的數學推導，便於讀者掌握統計學習方法的實質，學會運用。

當你看到這麼多的數學名詞，瞬間頭大了，你麼本書與你無緣，如果你只想簡單地調下引數，那也可以不用看這本。如果你想深入研究AI，這是一本不錯工具手冊，放在案頭，需要對某一部分深入鑽研的時候，再挑對應的章節仔細讀。