深度学习入门读什么？人工智能讲师为你推荐MIT经典

文/唐宇迪

在前两期的节目中，我给大家分别推荐了机器学习和数据挖掘的入门书。今天我再给大家推荐另一本人工智能的入门书，告诉你深度学习可以怎样入门。

从传统的机器学习算法到如今火爆的计算机视觉与自然语言处理，近年来深度学习发展迅猛，今天给大家推荐的深度学习入门书，是MIT的自适应计算和机器学习系列丛书的一本，被誉为圣经的《Deep Learning》。

推荐这本书给大家主要有3个原因。

第一，对于初学者来说最头疼的问题就是如何解决繁琐的数学问题。

太多的数学知识我们早就忘得差不多啦，不补起来没法在这个领域立足。该书第一部分讲解数学和机器学习的基本知识，非常适合大家快速补充数学和机器学习的基本概念，已经熟悉机器学习的同学，则可以借此机会复习一下。这部分主要介绍了线性代数、概率论、优化的基础，这些都是机器学习和深度学习中必不可缺的一部分。

除了基本概念外，这一部分还介绍了机器学习的常用算法，讲解机器学习处理问题的思路，以及各种算法的局限与缺点，这样我们就能够更清晰地了解深度学习算法的贡献和适用范围。

通过学习数学和机器学习基础，我们可以快速了解AI领域要解决的核心问题，夯实必备的基础。

第二，这本书非常重视细节和内部逻辑，不会只告诉你结论让你一知半解。

在神经网络的章节讲解中，《Deep Learning》并没有像其他书一样，把它当成一个黑盒子一带而过，而是详细地讨论了神经网络的每一个细节，让我们对神经网络不光有一个总体的概念，还可以深度理解其中的组成和作用方式。

比如在讲解激活函数的时候，这本书没有直接阐述激活函数的作用和公式，而是从神经网络的发展开始，讲解了一代代激活函数的更新过程，以及它们的优缺点。这样我们可以不只了解到当下神经网络的整体架构，还会对整个神经网络的发展脉络建立整体认知，以便在工程或者科研项目上准确运用神经网络。

除了在知识点的讲解上更加深入细致，这本书还详细分析了不同架构的神经网络的应用场景。神经网络种类繁多，什么时候选用哪个就成了非常重要的问题，对这个问题，书中给出了非常详细的解释。

比如在计算机视觉领域与自然语言处理领域我们将会用到不同的神经网络架构，书中分别讲解了两种架构特点的对比分析，并说明了选择的理由。

第三，这本书包含了当下的前沿热点，包括自动编码器、蒙特卡罗方法、近似推理和生成模型等，非常方便我们查找热点研究和常见问题。

这本书最后还指出了我们未来将会面临的一系列问题以及深度学习和人工智能的未来发展，结合当下情况给我们日后的学习和研究方向提出了理论指导和科学依据，让我们更清晰地知道，当我们掌握了基础的概念和应用方法后该如何提升自己。

最后再来提醒一下，在学习的过程中，你可能会遇到很多问题，尤其是像深度学习本身难度就较大的学科，这时候一定注意不要着急，放松心态，逐个攻破每个挑战！

当我们在学习每一个算法每一个知识点的同时还要将理论思想转换成实战工具，不断通过案例来强化自己，做到学以致用，真正的将我们所学的知识点应用到实际任务当中。

这本书重视基础细节，遇到晦涩难懂的知识点对于刚入门的我们再正常不过了，坚持学习反复思考才是我们一步步走向人工智能领域的上上签！

总之，如果你想入门深度学习这个热门领域，推荐你读这本《Deep Learning》，它深入浅出，从人工智能本身出发讲解深度学习中的一系列方法与实际应用技巧，一步步带你进入人工智能的殿堂。如果你有朋友正在学习人工智能，欢迎把这期节目分享给他，一起交流。