2018年最佳深度学习书单

我相信你应该知道人工智能，尤其是深度学习在过去5年左右取得了不错的进步。 

深度学习是由少数研究人员开始的一个相对较小的领域，现在已经变得如此主流，以至于我们现在每天使用的应用程序和服务，现在都在使用深度学习来执行不久前难以想象的任务。

但深度学习并不新鲜，从20世纪40年代开始，Warren McCulloch和Walter Pitts就基于数学和算法创建了神经网络的计算模型。

然而，“深度学习”在不久前才开始流行起来，当时Geoffrey Hinton和Ruslan Salakhutdinov发表了一篇论文，  展示了一个多层神经网络如何可以一次预先训练一层。

在2009年，人们发现，使用足够大的数据集，你实际上并不需要预训练，并且错误率可能因为数据的增加显着下降。

2012年，Google的Deep Learning系统实现了人类发现猫的能力。

2016年，Google的阿尔法狗打败了李世石，人工智能大火。

2017年，Google的DeepMind构建了一种名为AlphaGo zero的算法，该算法可以自行掌握 下围棋，并取得了不错的成绩。

但这仅仅是一个开始。随着数据集越来越大，处理器速度越来越快，以便能够训练更多的海量数据，深度学习的能力将不断提高。

所以，如果你想成为这场革命的一部分，现在无疑是最佳的时间进入深度学习领域了。

随着GPU和大数据集一应俱全，学习深度学习的机会巨大。这样做将使你能够训练机器执行一些令人难以置信的任务，例如面部识别，癌症检测，甚至是股市预测。

这就是这些书能派上用场的地方，因为它们可以让你从零开始学习深度学习。本综述中的每一本书都有各自的优点，而且每一本书都非常出色。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

不过，我已经把它们按我认为是最好的以及我建议学习先后的顺序排名。

以下是目前互联网上的12本最好的深度学习书籍：

1.用Scikit-Learn和TensorFlow进行机器学习

首先，在我看来最好的一本是采用流行的机器学习库Scikit-Learn和Google的TensorFlow的实践教程来学习深度学习的书。

作者试图以一种几乎任何人都能理解的方式来解释复杂的话题，这在我看来是一个很大的优势。

我喜欢“ 动手机器学习”，它可以让你通过机器学习项目从开始到结束。因此，你可以看到如何处理真实数据，如何将数据可视化以获取洞察力，以及重要的是如何为机器学习算法准备数据。

在本书后面，你将看到著名的MNIST分类器，模型是如何训练以及一些基本的机器学习分类器，如SVM，决策树，随机森林等。

所有这一切都是为了让你准备好本书的第二部分，内容涉及Tensorflow（包括安装）以及基本的神经网络和深度神经网络。

我认为这本书的结构很好，并以正确的顺序介绍了主题，而且书中的想法和具体例子都有很好的解释。

原文链接