2019年深度学习五大入门书单

很多人问我深度学习要看什么文献？其实最好的方法就是阅读论文，但论文适用于有一定理论基础的人。因此我在此列出深度学习入门书单，大家请放心，本人都看过可以保证书的内容质量。对于深度学习框架，只要了解Tensorflow和Pytorch，也见到过MXNet的小众框架，这不学也罢白白牵扯精力。当然还有些遗漏之珠，由于出版时间久远就不占用篇幅了，还有厚厚如砖头的书本人也不列在里面了。锵锵！大家还愣着干嘛，赶紧买来学习吧。

以下书单中，按序号顺序读比较合理。首先是李航的《统计学习方法》书中有严密的数学推导，对深入理解算法原理会有比较好的帮助。再是鼎鼎大名的南大教授周志华出的经典西瓜书《机器学习》，内容全面，结构合理，人工智能领域中文的开山之作！《Python深度学习》可以学习怎么利用Keras搭建一个深度学习算法，用深入浅出的方式介绍深度学习原理，没有太多数学公式，是比较亲民的书。深度学习过程中少不了自然语言处理，郑捷的《NLP汉语自然语言处理原理与实践》是市面上少有的也是第一本中文NLP的著作，他的另一本《机器学习算法原理与编程实践》也可以拜读一下。最后的《美团机器学习实践》是对机器学习和深度学习的业务实践，介绍了常见的业务场景和系统工具搭建，非常多的架构流程图，相信可以给大家一些启发。

1.统计学习方法

作者：李航 出版日期：2012-03-01/清华大学出版社

《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除章概论和后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。点击购买。

统计学习方法

2.机器学习

作者：周志华 出版日期：2016-01-01/清华大学出版社

机器学习是计算机科学与人工智能的重要分支领域。 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。点击购买。

机器学习

3.Python深度学习

作者：Francois Chollet 出版日期：2018-08-01/人民邮电出版社

《Python深度学习》由Keras之父、现任Google人工智能研究员的Francois Chollet执笔，详尽展示了用Python、Keras、TensorFlow进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。点击购买。

Python深度学习4.NLP汉语自然语言处理原理与实践

作者：郑捷 出版日期：2017-01-01/电子工业出版社

本书是一本研究汉语自然语言处理方面的基础性、综合性书籍，涉及NLP的语言理论、算法和工程实践的方方面面，内容繁杂。 本书包括NLP的语言理论部分、算法部分、案例部分，涉及汉语的发展历史、传统的句法理论、认知语言学理论。需要指出的是，本书是迄今为止本系统介绍认知语言学和算法设计相结合的中文NLP书籍，并从认知语言学的视角重新认识和分析了NLP的句法和语义相结合的数据结构。这也是本书的创新之处。点击购买。

NLP汉语自然语言处理原理与实践

5.美团机器学习实践

作者：美团算法团队 出版日期：2018-08-01/人民邮电出版社

美团作为国内O2O领域领 先的服务平台，结合自身的业务场景和数据，积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域，相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容，全面介绍了美团在多个重要方面对机器学习的应用。点击购买。

美团机器学习实践