知乎2018年度必读书单排行榜(刘美娟)

一本好书可以改善人的气质和思想。知乎经常会推荐一些经典书籍。以下小系列将整理2018知乎经典必读书目，供大家参考。

2018年知乎经典书单推荐

1.使用Scijit-Learn和TensorFlow的机器学习

首先，在我看来，最好的书是利用流行的机器学习库Scikit-Learn和Google的TensorFlow实用教程来学习深度学习。

作者试图用几乎任何人都能理解的方式来解释复杂的话题，这在我看来是一个很大的优势。

我喜欢“动手机器学习”，让你从头到尾学习项目。所以你可以看到如何处理真实数据，如何可视化数据获得洞察，重要的是如何为机器学习算法准备数据。

在这本书的后面，你会看到著名的MNIST分类器，如何训练模型和一些基本的机器学习分类器，比如SVM，决策树，随机森林等等。

这一切都是为了给你准备这本书的第二部分，涵盖了张量流(包括安装)、基本神经网络和深度神经网络。

我觉得这本书的结构很好，题目介绍的顺序很正确，书中的思路和具体例子都解释的很好。

2.深度学习

深度学习大概是本文最全面的一本书了。这本书是由这一领域的三位专家写的，他们是伊恩·古德费勒、约西亚·本吉奥和亚伦·库维尔。这本书也是唯一被企业家马斯克认可的。

这本书被许多人视为深度学习的圣经，因为它把多年的学习和专注的研究汇集在一本书里。

这本书不是为了集中精力学习，而是可以更好地用于睡前阅读。因为里面全是函数方程，而且是用典型的教科书写的，所以不会用最有趣的文体写。

介绍基础数学，比如线性代数，概率论，然后转向机器学习基础，最后介绍深度网络，深度学习。

所以，如果你是一个渴望掌握学科，进入深度学习研究的有志之士，那么这本书一定会对你有所帮助。这大概是目前关于这个课题最全面的一本书了。

3.外行人的深度学习(外行人的深度学习)

我加这本书是因为，如书名所说，它是为一般读者而写的。

对于外行的深度学习，先介绍一下深度学习，具体是什么，为什么需要。

这本书的下一部分解释了监督学习、非监督学习和强化学习之间的区别，并介绍了分类和聚类等主题。在本书的后面，我们将讨论人工神经网络，包括它们是如何构建的，以及组成网络每一层的部分。最后讨论了深度学习，包括卷积神经网络。

我把这本书当成深度学习的入门，理解其中涉及的概念。但其实我不确定这本书会不会对你有好处，但是如果你想要一个简单的英文指南，又能看到几个炒作的词，那么这本书可能适合你。

4.建立自己的神经网络(制作自己的神经网络)

这不是严格意义上的“深度学习”，但这本书会让你对神经网络及其工作原理有深入的了解，帮助你理解深度神经网络。

在这本书里，你可以通过神经网络的数学指导，充分了解神经网络的工作模式。

你不仅可以知道它们是如何工作的，还可以用Python实现两个神经网络的例子，有助于巩固你对这个题目的理解。

这本书从机器学习的高级概述开始，然后深入到神经网络的细节。涉及的数学没有超过大学水平，但是包括微积分的介绍，尽可能多的人讲解。

构建自己的神经网络分两部分。第一部分是思想和理论，第二部分比较实际。

第二部分，你将学习Python编程语言，逐步构建自己的神经网络来识别手写数字。

作为奖励，你还将学习如何让你的神经网络在树莓Pi上运行！

对于想学习基本神经网络基本内容的人来说，这本书是一本很棒的书，可以作为本次复习的深度学习书籍之一的重要前提。

5.初学者深度学习

对于初学者的深度学习，这本书并不太注重数学的深度学习，而是用图表来帮助你理解深度学习的基本概念和算法。

这本书采用了一种不同于其他很多书的方法，通过提供深度学习算法工作原理的简单例子，然后逐步构造这些例子，逐步引入更复杂的算法。

这本书的目标受众非常多样化，从计算机科学新手到数据科学专业人士和导师，都想用最简单的方式给学生讲解相关的话题。

就书籍结构而言，你首先要学习人工神经网络的基础知识，了解机器学习和深度学习的区别。之后在进入CNN等深度学习算法之前，你会知道所有关于MLP的信息。

这是一本很好的入门书，可以很好的解释这些概念，但是如果你在找更实用的东西，那就在这篇复习里找其他的书。