想玩转深度学习？8本免费好书为你指南

深度学习是机器学习的最新发展趋势，但到底什么是深度学习呢，我们又该如何进行进一步的学习？为了解决这些问题，本文列出了 8 本免费的深度学习书籍。

Deep Learning

（深度学习）

Ian Goodfellow，Yoshua Bengio 和 Aaron Courville 著

又名“花书”，一本深度学习教科书，本书旨在帮助学生和从业人员进入机器学习，特别是深度学习领域。本书的在线版本已完成，并将持续特供线上免费阅读。

英文版：

中文版：

https://github.com/exacity/deeplearningbook-chinese

豆瓣：

https://book.douban.com/subject/27087503/

Deep Learning Tutorial

（深度学习教程）

LISA 实验室，蒙特利尔大学 著

本书由蒙特利尔大学 LISA 实验室编写，本书以免费、简洁的教程的形式，探讨了机器学习的基础知识。本书着重使用 Python 语言，通过 Theano 框架（由该大学自主开发）来创建深度学习模型。

英文版：

http://deeplearning.net/tutorial/deeplearning.pdf

中文版：

https://github.com/Syndrome777/DeepLearningTutorial

Deep Learning: Methods and Applications

（深入学习：方法与应用）

邓力 俞栋 著，谢磊 译

本书概述了通用的深度学习方法，及其在各类信号与信息处理任务中的应用。

英文版：

https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/DeepLearning-NowPublishing-Vol7-SIG-039.pdf

豆瓣：

https://book.douban.com/subject/26815801/

First Contact with TensorFlow, get started with Deep Learning Programming

（初次使用 TensorFlow，深度学习编程入门）

Jordi Torres 著

本书面向的是对机器学习仅有一些基本理解，但想要在深度学习领域施展才能并使用 TensorFlow 动手实践的工程师。

英文版：

http://jorditorres.org/research-teaching/tensorflow/first-contact-with-tensorflow-book/

Neural Networks and Deep Learning

（NNDL，神经网络与深度学习）

Michael Nielsen 著

本书将教会你神经网络的有关知识，神经网络是一个受生物启发的编程范式，它可以使计算机从观测数据中进行学习。本书亦涵盖了一套强大的神经网络学习技术——深度学习。

英文版：

http://neuralnetworksanddeeplearning.com/index.html

多个中文版：

https://legacy.gitbook.com/book/hit-scir/neural-networks-and-deep-learning-zh_cn/details

https://legacy.gitbook.com/book/xhhjin/neural-networks-and-deep-learning-zh/details

https://github.com/tigerneil/neural-networks-and-deep-learning-zh-cn

https://github.com/zhanggyb/nndl

豆瓣：

https://book.douban.com/subject/26727997/

A Brief Introduction to Neural Networks

（神经网络简介）

David Kriesel 著

本书深入地讨论了神经网络。这种从生物学获得灵感的数据处理机制，能够使得计算机以类似于人类大脑的方式学习，在学习了足够多的样本以后，还可以泛化解决更多的问题。

英文版：

http://www.dkriesel.com/en/science/neural_networks

Neural network design, 2nd edition

（神经网络设计，第二版）

Martin T. Hagan，Howard B. Demuth，Mark H. Beale 和Orlando D. Jess 著

本书详细的综述了神经网路的结构和学习规则。作者着重解释了对主要的神经网络及其训练方法的理解。同时，也讨论了神经网络在模式识别、聚类、信号处理、控制系统等实际工程问题中的应用。可读性强、行文通顺流畅是本书的优点所在。

英文版：

豆瓣：

https://book.douban.com/subject/1115600/

Neural Networks and Learning Machines, 3rd edition

（神经网络与机器学习（原书第3版））

Simon Haykin 著

本书为第三版，作者以全面、通透和容易阅读的方式提供了对神经网络的最新处理方法，并将其划分为三个章节。本书在安排上，从经典的监督学习开始；而后衔接基于核方法的 RBF （ radial-basis function ）网络；在最后的章节，本书着力于机器学习的核心——正规化理论。

英文版：

https://cours.etsmtl.ca/sys843/REFS/Books/ebook_Haykin09.pdf

豆瓣：

https://book.douban.com/subject/5952531

翻译：Leo

审校：非线性

编辑：Queen

原文：

https://www.kdnuggets.com/2018/04/top-free-books-deep-learning.html

关注集智AI学园公众号

获取更多更有趣的AI教程吧！

搜索微信公众号：swarmAI

学园网站：campus.swarma.org

商务合作和投稿转载｜swarma@swarma.org