目前关于深度学习的书籍不多，因为这是一个非常年轻的研究领域。
不过，市面上已经有一些书籍，同时也有一些非常有趣的在售书籍，你可以通过预购的方式提前获得。
在这篇文章中，你将了解到目前市面上可购买到的深度学习书籍。
开始你的项目，阅读我的新书《Python深度学习》，其中包含分步教程和所有示例的Python源代码文件。
让我们开始吧。
深度学习书籍 (我希望)
摄影：Indi Samarajiva，部分版权保留。
深度学习教材
有一本名为《深度学习》的深度学习教材，该教材已经开发了几年。
它是由顶尖的深度学习科学家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 编写的，涵盖了该领域所有主要的算法，甚至还包含一些练习题。
我认为它将成为该领域必读的经典教材，主要是因为他们免费提供（就像《统计学习要素》是机器学习的必读教材一样）。
其中大部分内容已经完成，我强烈建议阅读它，以获取一些关于深度学习算法的背景理论。
深度学习
目前的目录如下：
- 第一部分：应用数学与机器学习基础
- 线性代数
- 概率与信息论
- 数值计算
- 机器学习基础
- 第二部分：现代实用深度网络
- 深度前馈网络
- 正则化 (Regularization)
- 深度模型训练优化
- 卷积网络
- 序列建模：循环和递归网络
- 实践方法论
- 应用
- 第三部分：深度学习研究
- 线性因子模型
- 自编码器
- 表示学习
- 深度学习的结构化概率模型
- 蒙特卡罗方法
- 处理配分函数
- 近似推断
- 深度生成模型
Python 深度学习需要帮助吗？
参加我的免费为期两周的电子邮件课程，发现 MLP、CNN 和 LSTM（附代码）。
立即点击注册，还将免费获得本课程的 PDF 电子书版本。
O’Reilly 出版的深度学习书籍
O’Reilly 目前有两本即将出版的书籍，我对此感到很兴奋：
深度学习：实践方法
这是一本由 DeepLearning4J 的两位创作者 Adam Gibson 和 Josh Patterson 撰写的实用书籍。DeepLearning4J（或 DL4J）是 Java 应用程序的深度学习框架。
这本书很实用，是为 Java 开发者和数据科学家量身定制的，我猜它提供了使用 DL4J 框架的示例。
这本书预计于 2016 年 5 月出版，目前我找不到目录。
深度学习 - 实践方法
深度学习基础
这是另一本由 Nikhil Buduma 用 Python 撰写的实用书籍。它涵盖了深度学习概念和示例。你可以预购这本书，在撰写本文时已有 5 章可供阅读。
这本书目前正在修订的目录如下：
- 神经网络
- 训练前馈神经网络
- 在 TensorFlow 中实现神经网络
- 超越梯度下降
- 卷积神经网络
- 嵌入与表示学习
- 用于序列分析的深度学习模型
- 带记忆的深度学习模型
- 深度生成模型
- 深度强化学习
- 迈向通用无监督学习
- 训练极深神经网络
我迫不及待地想拿到这本书。
深度学习基础 - 设计下一代机器智能算法
Packt Publishing 出版的深度学习书籍
Packet Publishing 将于 2016 年 5 月出版一本关于深度学习的书籍，由 Yusuke Sugomori 撰写，书名为《Java 深度学习》。它同样面向 Java 开发者和数据科学家，并将提供使用 DeepLearning4J 框架的示例。
这本书似乎还没有目录，但我相信你可以预购它。
Java 深度学习
C++ 和 CUDA C 中的深度信念网络
Timothy Masters 多年来撰写了多本关于人工神经网络的书籍。2015 年，他出版了两本关于使用 C++ 和 CUDA 的深度信念网络。
这些书提供了示例，主要关注他的 DEEP 软件。你可以在他的网页上了解更多关于他的软件的信息。
这两本书是：
C++ 和 CUDA C 中的深度信念网络：第一卷：受限玻尔兹曼机与监督式前馈网络
这本书的目录是：
- 监督式前馈网络
- 受限玻尔兹曼机
- 贪婪训练
- DEEP 操作手册
C++ 和 CUDA C 中的深度信念网络：第二卷：复数域中的自编码
这本书的目录是：
- 嵌入式类别标签
- 信号预处理
- 图像预处理
- 自编码
- DEEP 操作手册
人工智能入门
Jeff Heaton 是一位研究员，也是一系列三本关于人工智能的书籍的作者。
该系列的第三本书涵盖了人工神经网络，其中有几章介绍了深度学习技术。
人工智能入门
目录如下：
- 神经网络基础
- 自组织映射
- 霍普菲尔德和玻尔兹曼机
- 前馈神经网络
- 训练与评估
- 反向传播训练
- 其他传播训练
- NEAT, CPNN 和 HyperNEAT
- 深度学习
- 卷积神经网络
- 剪枝与模型选择
- Dropout 和正则化
- 时间序列与循环网络
- 神经网络架构设计
- 可视化
- 使用神经网络建模
总的来说，Jeff 是一位优秀的沟通者，他的书籍也因其在创作过程中使用了 KickStarter 而受到社区的关注。如果你正在寻找神经网络的入门读物，并想了解深度学习的位置，那么他的系列第三部分可能是一个不错的选择。
R 语言深度学习
N. D. Lewis 撰写了一系列关于统计学和机器学习的书籍，包括神经网络方面的书籍。2016 年初，他发布了一本关于 R 语言深度学习的书，题为：《R 语言深度学习轻松入门：数据科学的温和介绍》。
R 语言深度学习
目录如下：
- 深度神经网络
- Elman 神经网络
- Jordan 神经网络
- 自编码器的秘密
- 堆叠自编码器概览
- 受限玻尔兹曼机
- 深度信念网络
更新：更多书籍
本节列出了在本帖发布后发布（或预计发布）的其他书籍。
- 神经网络与深度学习
- 理解深度学习
- TensorFlow 机器学习
- TensorFlow 机器学习手册
- TensorFlow 入门
- 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
总结
在这篇文章中，您将发现目前可用的深度学习书籍。
您是否购买或阅读过这些书籍？请留言告诉我您的想法。
您是否知道还有其他即将发布或已经发行的深度学习书籍？请在评论中告诉我。
有没有对 H2O 用户特别有帮助的书籍？
抱歉 Matt，我没有使用过 H2O。我相信他们有自己的免费迷你书/指南，您可能会觉得有帮助。
http://docs.h2o.ai/h2o/latest-stable/h2o-docs/booklets/DeepLearningBooklet.pdf
请注意，Deep Water 项目正在 H2O 下集成 TensorFlow、mxnet 和 Caffe，敬请期待更多激动人心的新功能！
https://www.youtube.com/watch?v=b52wkC8f3io
感谢 Raymond 提供链接。
我才刚开始学习深度学习，这正是我需要的，谢谢！我想知道你最喜欢哪本书？第一本书听起来很有希望。
第一本书很棒，是开始的地方。但它不适合所有人，因为它是一本教科书，更偏学术。
https://www.quora.com/What-are-the-best-online-available-books-that-cover-beginner-intermediate-levels-in-Deep-Learning/answer/Jordi-Torres-Viñals?share=dff8b0d1
目前深度学习的书籍不多，因为这是一个非常年轻的研究领域。然而，现在有三本涵盖初级、中级和高级水平的书籍提供免费在线版本：
1- 高级水平：《深度学习》，由顶尖深度学习科学家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写。本书涵盖了该领域所有主要的算法，可以作为有该领域经验者的参考书。
2- 中级水平：《神经网络与深度学习》，由 Michael Nielsen 撰写。这本书是希望深入神经网络的机器学习经验者入门的好地方。
3- 初级水平：《TensorFlow 初次接触，开始深度学习编程》，由 Jordi Torres 撰写。这本书面向只有一些基础机器学习知识，并希望通过使用 TensorFlow 的实践方法来扩展其在激动人心的深度学习世界中的知识的工程师。
谢谢 Jordi。
Daniel Shiffman 的《The Nature of Code》第 10 章：神经网络。免费在线阅读：http://natureofcode.com/book/chapter-10-neural-networks/
谢谢 Ryan。
你可以将 Michael Nielsen 的精彩书籍添加到列表中。这本书的标题是：《神经网络与深度学习》。这本书可以通过作者的网页免费在线访问。
谢谢 Saad。
你好，我想问一下，要成为机器学习和深度学习的专家，需要具备哪些数学知识？请为我推荐所有必需的数学书籍。
我提倡一种自上而下、结果优先的方法，我们不从数学开始，而是专注于如何构建模型和进行预测。
更多细节在此
https://machinelearning.org.cn/start-here/#getstarted
你好 Jason，我想了解更多关于 caffe2 的信息。有什么学习 caffe2 的资源吗？它比 keras 或 Dl4j 更好吗？请告诉我你的看法。
抱歉，我没有这些库的资料。