作者:不会停的蜗牛 | CSDN AI专栏作者
责编:王艺 | CSDN AI编辑/记者 wangyi@csdn.net
如果您是初学者,那么您可能会将深度学习与机器学习混为一谈。实际上,机器学习包含深度学习,深度学习只是机器学习的研究领域之一。深度学习是一个交叉学科,涉及到神经网络、人工智能、图建模、最优化理论、模式识别和信号处理等多学科领域知识。硬件计算能力的升级使得深度学习在人们的日常生活中有了用武之地。深度学习的应用领域包括计算机视觉、语音识别、图像识别,自动驾驶,自然语言理解、手写识别、音频处理、信息检索、机器人学等。
关于深度学习,市场上已经有很多参考资料以及著作。若您是个书虫,点击这里可以看到 Amazon 上关于深度学习最新的一些书。这里我们主要推荐一些理论和实践相结合得比较好的书,供大家学习参考。
关于深度学习
Deep Learning (Adaptive Computation and Machine Learning series)
这本书的作者是 Ian Goodfellow,是谷歌大脑的科学家之一。
很多人认为这本书是深度学习的圣经,因为它是目前为止唯一一本将数十年的研究整合在一起的书。
不过,需要读者有一定的数学基础,因为它包含了线性代数、概率论、数值计算和机器学习等相关的背景知识。如果是入门的话,不建议从这本入手,读起来会很有挫败感。
如果是要掌握深度学习,这本可以算得上比较全面的指南,因为除了背景知识,它还对正则化,优化算法,实用性方法等有详细的讲述,对自然语言处理、语音识别、计算机视觉等深度学习的实际应用也做了一个详尽的分析。
Hands-On Machine Learning with Scikit-Learn and TensorFlow
尽管这本书也有很多公式,但是它可读性非常好,强烈推荐。
作者 Aurélien Géron 可以将复杂的概念用非常简单的方式讲出来,一般的读者不需要具有特别精深的专业知识也可以理解。
这本书中不仅有很好理解的例子,还有相应的代码。如果在第一遍时比较关注实战和例子,那么第二遍的时候可以回头看看相关的原理和公式,更加深入地去学习。