目前关于深度学习的书籍并不多，因为它是一个较新的学习领域。
虽然有一些书籍可供使用，还有一些非常有趣未出版的书籍可以提前体验购买到。
在这篇文章中，您将了解到现在可用于深度学习的书籍。
让我们开始吧。
深度学习书籍（我希望） 摄影： Indi Samarajiva ，保留一些权利。
有一本深入学习的教科书已经出版了几年，简称深度学习。
它由顶级深度学习科学家 Ian Goodfellow ， Yoshua Bengio 和 Aaron Courville 撰写，包括该领域所有主要算法和一些练习。
我认为它应该是该领域的重点阅读材料，主要是因为他们免费开源（很像统计学习要素是机器学习中必读的）。
书的内容很多已经完成，我强烈建议阅读它以获得深度学习算法的背景理论。
目前的目录如下：
- 第一部分：应用数学和机器学习基础
- 线性代数
- 概率论与信息论
- 数值计算
- 机器学习基础
- 第二部分：现代实用的深度网络
- 深度前馈网络
- 正则
- 深度模型训练的优化
- 卷积网络
- 序列建模：循环网络和递归网络
- 实用方法论
- 应用
- 第三部分：深度学习研究
- 线性因子模型
- 自编码
- 表征学习
- 深度学习的结构化概率模型
- 蒙特卡罗方法
- 对抗配分函数
- 近似推论
- 深度生成模型
目前有两本来自 O'Reilly 的书正在筹备中，这让我很兴奋：
这是由 DeepLearning4J 的两个创作者编写的应用书： Adam Gibson 和 Josh Patterson 。 DeepLearning4J （或 DL4J）是 Java 应用程序的深度学习框架。
本书是为 Java 开发人员和数据科学家编写的实用书籍，我只能假设它提供了使用 DL4J 框架的示例。
这本书将于 2016 年 5 月出版，目前没有我能找到的目录。
这是 Nikhil Buduma 编写的另一本 Python 应用书。它涵盖了深度学习概念和示例。您可以提前阅读本书，撰写本文时共有 5 章。
本书目前的工作目录如下：
- 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：
- 嵌入和表示学习
- 序列分析的深度学习模型
- 记忆增强的深度学习模型
- 生成性深度学习模型
- 深度强化学习
- 面向一般无监督学习
- 训练极深度神经网络
我很高兴能得到这本书。
Packet 2016 年 5 月出版了一本书，由 Yusuke Sugomori 撰写，题为深度学习与 Java 。它适合于 Java 开发人员和数据科学家，并将使用 DeepLearning4J 框架提供示例。
似乎没有可用于本书的目录，但我相信你可以尽早获得它。
Timothy Masters 多年来撰写了许多关于人工神经网络的书籍。 2015 年，他用 C ++和 CUDA 写了两本关于 Deep Belief Networks 的书。
这些书提供了示例，主要关注他的软件 DEEP。您可以在网页上了解有关其软件的更多信息。
这两本书是：
本书的目录是：
- 监督前馈网络
- 受限制的玻尔兹曼机器
- 贪心训练
- DEEP 操作手册
Deep Belief Nets in C++ and CUDA C: Volume II: Autoencoding in the Complex Domain
本书的目录是：
- 嵌入式类标签
- 信号预处理
- 图像预处理
- Autoencoding
- DEEP 操作手册
Jeff Heaton 是一本关于人工智能的三本书系列的研究员和作者：
该系列的第三本书涵盖了人工神经网络，并有一些关于深度学习技术的章节。
目录如下：
- 神经网络基础知识
- 自组织映射
- Hopfield 和 Boltzmann 机器
- 前馈神经网络
- 训练和评估
- 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
- 修剪和模型选择
- dropout 和正规化
- 时间序列和循环网络
- 构建神经网络
- 可视化
- 用神经网络建模
一般来说，杰夫是一个很好的交流对象，他的书得到了社区的关注，因为他在创作过程中使用了 KickStarter 。如果你正在寻找神经网络的介绍并发现深度学习适合的地方，他书籍系列的第三部分会是很好的阅读材料。
N. D. Lewis 有一系列关于统计学和机器学习的书籍，包括有关神经网络的书籍。 2016 年初，他发表了一本关于深度学习的书，名为：深度学习轻松学习 R：数据科学的温和介绍。 。
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
- 坚果壳中的堆叠自编码器
- 受限制的玻尔兹曼机器
- 深度信念网络
本节列出了撰写本文后已发布（或预计将发布）的附加书籍。
- 神经网络与深度学习
- Grokking 深度学习
- 使用 TensorFlow 进行机器学习
- TensorFlow 机器学习手册
- TensorFlow 入门
- Scikit-Learn 和 TensorFlow 实践机器学习：构建智能系统的概念，工具和技术
在这篇文章中，您将发现现在可用于深度学习的书籍。
您是否购买或阅读过其中一本书？发表评论，让我知道你对它的看法。
还有更多关于深度学习的书籍，你知道它们已经或已经在这里吗？请在评论中告诉我。