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

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180624G1H95T00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券