最近公司里有一些關於演算法方面的工作，想到能學點有趣的新技術，於是毫不猶豫地參加了學習，機器學習，深度學習，離我們Java工程師到底遠不遠，說近不近，說遠也不遠，我們甚至可以在沒有太多機器學習理論的基礎時，去學習一些深度學習的簡單應用，至少拿到demo過來跑一下還是沒什麼問題的。 深度學習到底是啥 ...
最近公司里有一些關於演算法方面的工作，想到能學點有趣的新技術，於是毫不猶豫地參加了學習，機器學習，深度學習，離我們Java工程師到底遠不遠，說近不近，說遠也不遠，我們甚至可以在沒有太多機器學習理論的基礎時，去學習一些深度學習的簡單應用，至少拿到demo過來跑一下還是沒什麼問題的。
深度學習到底是啥，簡單來說，深度學習是機器學習領域中一個新的研究方向，它被引入機器學習使其更接近於最初的目標——人工智慧(AI, Artificial Intelligence)。
深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。深度學習是一個複雜的機器學習演算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。
深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多複雜的模式識別難題，使得人工智慧相關技術取得了很大進步。
今天我們就來推薦幾本我們公司幾位演算法大佬推薦的深度學習圖書，雖然不能保證你們看得懂，但是也一定是優中選優，如果你對機器學習有所瞭解，想學習一些深度學習的知識，也不妨看看這一份書單。
深度學習系列書單
深度學習
《深度學習》由全球知名的三位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學習領域奠基性的經典教材。全書的內容包括3個部分：第1部分介紹基本的數學工具和機器學習的概念，它們是深度學習的預備知識；第2部分系統深入地講解現今已成熟的深度學習方法和技術；第3部分討論某些具有前瞻性的方向和想法，它們被公認為是深度學習未來的研究重點。
《深度學習》適合各類讀者閱讀，包括相關專業的大學生或研究生，以及不具有機器學習或統計背景、但是想要快速補充深度學習知識，以便在實際產品或平臺中應用的軟體工程師。
作者簡介
IanGoodfellow，谷歌公司(Google)的研究科學家，2014年蒙特利爾大學機器學習博士。他的研究興趣涵蓋大多數深度學習主題，特別是生成模型以及機器學習的安全和隱私。IanGoodfellow在研究對抗樣本方面是一位有影響力的早期研究者，他發明瞭生成式對抗網路，在深度學習領域貢獻卓越。
YoshuaBengio，蒙特利爾大學電腦科學與運籌學系(DIRO)的教授，蒙特利爾學習演算法研究所(MILA)的負責人，CIFAR項目的共同負責人，加拿大統計學習演算法研究主席。YoshuaBengio的主要研究目標是瞭解產生智力的學習原則。他還教授“機器學習”研究生課程(IFT6266)，並培養了一大批研究生和博士後。
AaronCourville，蒙特利爾大學電腦科學與運籌學系的助理教授，也是LISA實驗室的成員。目前他的研究興趣集中在發展深度學習模型和方法，特別是開發概率模型和新穎的推斷方法。AaronCourville主要專註於電腦視覺應用，在其他領域，如自然語言處理、音頻信號處理、語音理解和其他AI相關任務方面也有所研究。
中文版審校者簡介
張志華，北京大學數學科學學院統計學教授，北京大學大數據研究中心和北京大數據研究院數據科學教授，主要從事機器學習和應用統計學的教學與研究工作。
譯者簡介
趙申劍，上海交通大學電腦系碩士研究生，研究方向為數值優化和自然語言處理。
黎彧君，上海交通大學電腦系博士研究生，研究方向為數值優化和強化學習。
符天凡，上海交通大學電腦系碩士研究生，研究方向為貝葉斯推斷。
李凱，上海交通大學電腦系博士研究生，研究方向為博弈論和強化學習。
深度學習圖解
深度學習是人工智慧的一個分支，受到人類大腦的啟發，致力於指導電腦用神經網路進行學習。線上文本翻譯、自動駕駛、商品推薦和智能語音助手等一系列令人興奮的現代技術應用領域，都在深度學習的輔助下取得了突破性進展。
《深度學習圖解》指導你從基礎的每一行代碼開始搭建深度學習網路！經驗豐富的深度學習專家Andrew W．Trask以有趣的圖解方式為你揭開深度學習的神秘面紗，使你可親身體會訓練神經網路的每個細節。
只需要使用Python語言及其基本的數學庫NumPy，就可以訓練出自己的神經網路，藉助它觀察並理解圖像、將文字翻譯成不同的語言，甚至像莎士比亞一樣寫作！當你完成這一切後，就為成為精通深度學習框架的專家做好了充分準備！
Andrew W. Trask是Digital Reasoning公司機器學習實驗室的創始成員，該實驗室致力於自然語言處理、圖像識別和音頻轉錄的深度學習研究。幾個月內，Andrew和他的伙伴們就在情緒分類和詞性標註方面發表了超過業界更佳方案的結果。
他訓練了世界上更大的人工神經網路，擁有超過1600億個參數，實驗結果發表在ICML(International Conference on Machine Learning)上，還有一部分結果發表在Journal of Machine Learning(JML)上。他在Digital Reasoning公司擔任文本處理和音頻分析的產品經理，負責模擬認知計算平臺的架構設計，深度學習是這一平臺的核心能力。
百面深度學習 演算法工程師帶你去面試
深度學習是目前學術界和工業界都非常火熱的話題，在許多行業有著成功應用。本書由Hulu的近30位演算法研究員和演算法工程師共同編寫完成，專門針對深度學習領域，是《百面機器學習：演算法工程師帶你去面試》的延伸。
全書內容大致分為兩個部分，部分介紹經典的深度學習演算法和模型，包括捲積神經網路、迴圈神經網路、圖神經網路、生成模型、生成式對抗網路、強化學習、元學習、自動化機器學習等；第二部分介紹深度學習在一些領域的應用，包括電腦視覺、自然語言處理、推薦系統、計算廣告、視頻處理、電腦聽覺、自動駕駛等。
本書仍然採用知識點問答的形式來組織內容，每個問題都給出了難度級和相關知識點，以督促讀者進行自我檢查和主動思考。
書中每個章節精心篩選了對應領域的不同方面、不同層次上的問題，相互搭配，展示深度學習的“百面”精彩，讓不同讀者都能找到合適的內容。
本書適合相關的在校學生檢查和加強對所學知識點的掌握程度，求職者快速複習和補充相關的深度學習知識，以及演算法工程師作為工具書隨時參閱。
此外，非相關、但對人工智慧或深度學習感興趣的研究人員，也可以通過本書大致瞭解一些熱門的人工智慧應用、深度學習模型背後的核心演算法及其思想。
作者介紹：
江雲勝：2016 年畢業於北京大學數學科學學院，獲應用數學博士學位。畢業後加入Hulu北京研發中心的Content Intelligence組，負責內容理解相關的研究工作。
葫蘆娃：28位Hulu北京創新實驗室的人才，他們利用擅長的深度學習、機器學習等領域知識和演算法模型，建立了一套定製化的AI平臺，改變著推薦引擎、視頻編解碼、內容理解、廣告投放等多項與用戶息息相關的線上業務技術。
