深度学习学习书籍

看书原则：每看完一本书都要学会将书籍学到的知识点有关联.
重点：
1，已经阅读过的书籍；
2，推荐的书籍
3，排序书籍（后面才能总结）
已经阅读过的书籍：

书名	总结
机器学习算法数学解析与python实现	通过泛读，了解机器学习的常用算法，根据有监督和无监督分常用算法共有七种，有监督算法又分为回归问题和分类问题，回归算法有线性回归算法，分类算法有Logistic回归分类算法和KNN分类算法，朴素贝叶斯分类算法，决策树分类算法，支持向量机分类算法。无监督算法有K-means聚类算法。在此之前，有监督学习，无监督学习，回归问题，分类问题，聚类问题这些机器学习中重要的概念。在分类问题上除了以上流行多年的算法外，如今非常流行的算法就是深度学习算法。每一种算法都有自己的优势，在应用上，要根据具体问题使用性能更高的算法则可。

2019 年最佳机器学习和深度学习书籍的名单：
《深度学习》by Ian Goodfellow, Yoshua Bengio, Aaron Courville
推荐：这本书被许多人认为是深度学习的圣经，因为它汇集了数年和数年在一本书中学习和专注的研究。这本书并不是为了专心学习，而是可以更好地用于睡前阅读，因为它充满了函数方程式，并以典型的教科书书写，所以它不会写成最有趣的风格。它从一开始就介绍基础数学，如线性代数，概率论，接着转向机器学习基础，最后介绍深度网络和深度学习。
所以，如果你是一个渴望掌握主题并进入深度学习研究的有抱负的学生，那么这本书肯定会对你有所帮助。这可能是目前关于此主题的最全面的书籍。

深入学习
作者：安德鲁·特拉斯克（Andrew W. Trask）
推荐：适用于具有高中数学和中级编程技能的读者。
对于不认识的人来说，Andrew Trask是OpenMined的幕后力量：OpenMined是一个开源社区，致力于研究，开发和推广用于安全，隐私保护，符合价值的人工智能工具。他写了一个很棒的博客。他的书入选我们名单并不奇怪。是的，他是FloydHub的朋友。不，我们没有偏见。我们真的很喜欢使用NumPy从头开始学习的第一个原理方法。这可能是学习深度学习如何在幕后工作的最佳方法。

使用Python进行深度学习
作者：弗朗索瓦·乔莱特（Francois Chollet）
推荐：读者需要中级Python技能。无需具备Keras，TensorFlow或机器学习的经验。
从Keras发明家（另有FloydHub朋友），这本书将字面上牵着你的手，带你深度学习的如痴如醉迷宫-当然是有Keras。类似于Grokking Deep Learning，这本书在理论和编码之间取得了正确的平衡。更不用说弗朗索瓦（Francois）创造出色的心理形象的能力。

使用Scikit-Learn和TensorFlow进行动手机器学习
构建智能系统的概念，工具和技术（第二版）
作者：AurélienGéron。
Aurélien出色地传达了思想，并有效地使用了例子。在阅读本书时，您将很快应用他们所学的内容。要了解他的热情和交流风格，请访问他的YouTube频道。

强化学习：简介（第二版）
作者：理查德S.萨顿，安德鲁G.巴托。
推荐：机器学习，强化学习，深度学习，深度强化学习，人工智能。
如果将《深度学习》这本书视为《深度学习圣经》，那么这部杰作便获得了强化学习的称号。如果要开始使用RL，可以使用这种方法。就像您预测的那样（在背面拍拍），这是一篇非常技术性的文章。我们的建议是在每一章之后休息一会，加点咖啡，然后实际实现算法（这些著名的 仓库）。

从数据中学习
作者：Yaser S. Abu-Mostafa，Malik Magdon-Ismail，Hsuan-Tien Lin。
如果您想开始学习机器学习的关键概念，那么您会喜欢这本书：易于阅读，简单而干净。可能是吴德华课程开始之后的最佳资源！这是我的第一本关于机器学习的书和课程：)

神经网络与深度学习
作者：迈克尔尼尔森（Michael Nielsen）。
推荐：机器学习，深度学习。