0
雷鋒網(wǎng)按：本文作者為 Jeffries Consulting 創(chuàng)始人 Daniel Jeffries，他以自己的閱讀體驗(yàn)，對當(dāng)前含金量極高的幾本深度學(xué)習(xí)書籍進(jìn)行點(diǎn)評；對每本書的內(nèi)容重點(diǎn)、所適合的讀者群進(jìn)行了總結(jié)。非常適合學(xué)習(xí)者在購書前進(jìn)行參考，以免白費(fèi)時(shí)間。雷鋒網(wǎng)編譯。
Daniel Jeffries：多年來，由于實(shí)驗(yàn)室研究和現(xiàn)實(shí)應(yīng)用效果之間的鴻溝，少有人持續(xù)研究人工智能，AI在很多領(lǐng)域停滯不前。
但近兩年，AI 在一些領(lǐng)域陸續(xù)有了重大突破，比如：圖像識(shí)別；自動(dòng)駕駛；Alpha Go等。許多八九十年代的算法，由于硬件慢和缺乏數(shù)據(jù)等原因束之高閣。而現(xiàn)在，有眾多大數(shù)據(jù)集和大規(guī)模并行芯片的支持，這些算法終于初見成效。
在過去的一年多時(shí)間里，研究人員奮筆疾書，競相出版專著，以滿足讀者對深度學(xué)習(xí)知識(shí)的渴求。第一本關(guān)于深度學(xué)習(xí)的書已經(jīng)上架，更多的將會(huì)在夏天或者明年年初陸續(xù)上架。我有幸提前拜讀了若干專著的初稿，這些書的最終出版讓人期待萬分。
接下來給大家推薦一些深度學(xué)習(xí)書籍，這些書可以引導(dǎo)大家如何學(xué)習(xí)人工智能，對深度學(xué)習(xí)的快速理解有很大幫助。
我父親常說“凡事均衡最好?！?/p>
對此我深信不疑，且奉為圭臬。當(dāng)然，我承認(rèn)在周末或者維加斯的時(shí)候，偶爾也會(huì)將其拋諸腦后。
我贊成理論與實(shí)踐要相互均衡。比如針對某個(gè)問題，給一個(gè)明確的背景信息，然后根據(jù)實(shí)例讓我自己動(dòng)手實(shí)踐。書本不要過多闡述理論知識(shí)，應(yīng)該讓讀者邊學(xué)習(xí)邊查漏補(bǔ)缺。設(shè)想有一本書，非常抽象，或者羅列大量的實(shí)例，卻不解釋問題的來龍去脈，你還能看下去嗎？
每個(gè)人都有自己的學(xué)習(xí)習(xí)慣，應(yīng)該清楚地知道怎么學(xué)，才能卓有成效。我始終認(rèn)為花時(shí)間去買那些與我無用的書，特別容易錯(cuò)過真正適合的。如果你喜歡通篇理論，那就不必繼續(xù)看我的推薦了。如果你喜歡看那些理論與實(shí)踐結(jié)合相宜得章的書，相信我推薦的書單會(huì)讓你會(huì)喜歡。
第一本書是Ian Goodfellow的《Deep Learning》。作者在Google Brain和OpenAI上做出了突出貢獻(xiàn)。不少人認(rèn)為這本書是深度學(xué)習(xí)領(lǐng)域的圣經(jīng)，因?yàn)樗瞧駷橹刮ㄒ灰槐救诤狭饲皫资暄芯抗ぷ鞯镍櫰拗?/p>
不過，除非你有較好的數(shù)學(xué)基礎(chǔ)，否則不建議你從本書入門，因?yàn)樽x起來挫敗感十足。書中不僅有大量的公式，同時(shí)寫得比較枯燥、干巴。盡管Goodfellow希望能給讀者傳授更多的知識(shí)，但事與愿違，該書讀起來不能引人入勝，比較乏味。確實(shí)會(huì)做和會(huì)教是兩碼事。
我估計(jì)明年首次參加大學(xué)深度學(xué)習(xí)課程的學(xué)生手中會(huì)擁有這本書，而其中的許多人會(huì)因?yàn)檫@本書難懂而堅(jiān)持不下去。這本書比較適合那些經(jīng)過幾年相關(guān)工作后，仍想進(jìn)一步掌握深度學(xué)習(xí)的從業(yè)者。對于擁有較多專業(yè)領(lǐng)域知識(shí)且正準(zhǔn)備初次進(jìn)軍AI行業(yè)的專業(yè)程序員而言，這也是一本比較全面的指南。
本書免費(fèi)中文版請點(diǎn)此。
第二本是剛出版的《Hands-On Machine Learning with Scikit-Learn and Tensorflow》。雖然這本書也有大量的公式，不過作者Aurélien Géron用簡單的方式詮釋了復(fù)雜的概念。全書寫得通俗易懂，可讀性很強(qiáng)，不過我也不強(qiáng)烈推薦。
《數(shù)學(xué)不好還學(xué)AI》系列文章，是本書很好的補(bǔ)充，尤其是該系列的第五篇《用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別》和第七篇《自然語言處理》。在我的印象里，這本書有詳盡的實(shí)例和相應(yīng)代碼，兩者完美結(jié)合。在Safari的在線叢書中我讀過初稿，當(dāng)時(shí)許多部分沒有寫完，而且網(wǎng)站將一些公式轉(zhuǎn)換的莫名其妙，這并不影響我對內(nèi)容的理解。
和其他優(yōu)秀的修改稿一樣，最終版本相比初稿有了質(zhì)的飛躍，完美詮釋了作者的觀點(diǎn)和采用的實(shí)例。本書內(nèi)容的組織非常自然流暢，各種觀點(diǎn)都有清晰的實(shí)例證明，雷鋒網(wǎng)建議讀者看第一遍的時(shí)候，不要去管那些公式，以后根據(jù)需要再去深入推敲。
第三本是《Deep Learning with Python》。作者是Keras框架的構(gòu)建者Francois Chollet。不過這本書還得過段時(shí)間才能出版，通過Manning的MEAP系統(tǒng)可以閱讀前三章的內(nèi)容，寫得很好，我極力推薦此書。
正如Chollet在編寫Keras框架時(shí)一樣，神奇地將復(fù)雜概念簡單化，文中措詞巧妙，可讀性強(qiáng)。即使是AI和深度學(xué)習(xí)中最有挑戰(zhàn)性的概念，同樣也解釋的通俗易懂。讀了這本書我才真正理解什么是張量。書中有大量不錯(cuò)的實(shí)例，大家可以在他的 Github 上看看代碼。隨著正式出版的臨近，這本書也越來越完整，請關(guān)注并支持作者。同時(shí)，盡量能先在MEAP上跟進(jìn)閱讀，并通過給作者留言，完善這本書。
第四本是《Deep Learning: A Practitioner's Approach》。該書主要使用Java的深度學(xué)習(xí)框架DL4J。目前AI領(lǐng)域的研究大多數(shù)使用Python語言實(shí)現(xiàn)，不過隨著越來越多企業(yè)涌入機(jī)器學(xué)習(xí)領(lǐng)域，可能Java的使用會(huì)逐漸增多。由于Java龐大的生態(tài)系統(tǒng)，現(xiàn)在的大公司里，它仍然是主要的開發(fā)工具。
本書的作者之一Josh Patterson，邀請我出席五月第一周舉辦的Red Hat Summit（紅帽峰會(huì)），到時(shí)我有機(jī)會(huì)通讀本書的發(fā)行版。先說明這本書是面向深度學(xué)習(xí)初學(xué)者的。雷鋒網(wǎng)建議，如果你已經(jīng)有一些深度學(xué)習(xí)的基本知識(shí)并想進(jìn)一步深入研究如何用Java實(shí)現(xiàn)深度學(xué)習(xí)，請直接跳過前面的例子。但是如果你沒什么深度學(xué)習(xí)經(jīng)驗(yàn)，Java也沒那么熟悉，那么這本書值得你手不釋卷，反復(fù)研讀。尤其是“第 4 章：出色的深度學(xué)習(xí)架構(gòu)”，本章提供了一個(gè)可以幫你解決現(xiàn)實(shí)應(yīng)用中架構(gòu)問題的關(guān)鍵方法。
雖然我不熟悉Java語言，但我把它分享給我的幾個(gè)以程序?yàn)樯耐潞?，他們非常喜歡。在介紹深度學(xué)習(xí)上，書中的實(shí)例和書本的總體結(jié)構(gòu)顯得非常專業(yè)，期待夏天能夠出版。
最后推薦的是《TensorFlow Machine Learning Cookbook》。雖然書中的內(nèi)容和代碼有一些錯(cuò)別字，不過像自然語言處理等內(nèi)容上，還是列舉了許多不錯(cuò)的實(shí)例。和其他手冊書一樣，本書也偏重代碼，如果你不太了解卷積神經(jīng)網(wǎng)絡(luò)的輸入輸出，你會(huì)被許多基本概念搞暈，買書前如果你已經(jīng)看過其它的書，并且對書中的例子進(jìn)行了實(shí)戰(zhàn)，那么這本書可以給你提供更多的練習(xí)與實(shí)踐。
雷鋒網(wǎng)提醒，請不要以此書入門，也不建議單獨(dú)購買此書。
肯定有些書正在編寫中，還有些書已經(jīng)出版，不過我沒機(jī)會(huì)去拜讀過，將來有機(jī)會(huì)讀到的話，我會(huì)繼續(xù)推薦的。還等什么呢，抓緊開始吧，深度學(xué)習(xí)的魔力盡在你的掌握中！
via hackernoon
該課程將系統(tǒng)介紹人工智能中的神經(jīng)網(wǎng)絡(luò)，特別是深度學(xué)習(xí)的發(fā)展現(xiàn)狀、基本原理和主要方法。包括：人工智能綜述，生物神經(jīng)系統(tǒng)，人工神經(jīng)元模型，BP網(wǎng)絡(luò)，Hopfield網(wǎng)絡(luò)，深度卷積神經(jīng)網(wǎng)絡(luò)（CNN），長短期記憶網(wǎng)絡(luò)（LSTM）和深度強(qiáng)化學(xué)習(xí)等。重點(diǎn)分析若干典型CNN模型，并結(jié)合具體應(yīng)用案例，進(jìn)行編程實(shí)操剖析。
課程將補(bǔ)充介紹最新的科研成果與前沿領(lǐng)域（提供50篇以上最原始與最新的人工神經(jīng)網(wǎng)絡(luò)代表性英文論文，包括深度學(xué)習(xí)2016年的最新論文)，強(qiáng)調(diào)各種理論方法在解決實(shí)際問題中的綜合應(yīng)用。雷鋒網(wǎng)傾情推薦！
視頻地址：http://www.mooc.ai/course/65
相關(guān)文章：
機(jī)器學(xué)習(xí)漫游指南 最完整的入門書單（外文版）
最近很火的《計(jì)算機(jī)科學(xué)的數(shù)學(xué)》是本什么樣的書？
原版教材太貴？這幾本機(jī)器學(xué)習(xí)好書其實(shí)不需要花錢
免費(fèi)！10 本機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的必讀書籍推薦
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
