深度学习怎么学？

推荐这本小白看的《深度学习：从基础到实践（上下册）》。

深度学习：从基础到实践（上下册）

深入浅出的讲述了深度学习的基本概念与理论知识，不涉及复杂的数学内容，零基础小白也能轻松掌握！

本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学内容。

本书分为上下两册。上册着重介绍深度学习的基础知识，旨在帮助读者建立扎实的知识储备，主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的 scikit-learn 库和深度学习的 Keras 库（这两种库均基于 Python 语言），以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容，还介绍了一些创造性应用，并给出了一些典型的数据集，以帮助读者更好地了解学习。

本书适合想要了解和使用深度学习的人阅读，也可作为深度学习教学培训领域的入门级参考用书。

本书致力于介绍深度学习的基础知识，以帮助读者建立扎实的知识储备。随着深度学习实践的推进，你不仅需要对本书课题的背景有充分了解，还需要充分知悉可能需要查阅的资料。

这不是一本关于编程的书。编程很重要，但是会不可避免地涉及各个细节，而这些细节与本书的主旨并无关联。此外，编程会让你的思考局限于某一个库或者某种语言。尽管这些细节是构建最终学习网络体系的必要条件，但是当你想要专注于某一重要理念时，这些细节可能会让你分心。与其就循环和目录以及数据结构泛泛而谈，倒不如以一种独立的方式讨论某种语言和库相关的所有知识。只要扎实理解了对这些理念，阅读任何库文件都将变得轻而易举。

本书几乎不涉及数学问题

很多人不喜欢复杂的方程式。如果你也是这样，那么本书非常适合你！

本书几乎不涉及复杂的数学运算。如果你不讨厌乘法，那么本书简直太适合你了，因为书中除了乘法，并无任何复杂的运算。

本书所讨论的许多算法都有丰富的理论依据，并且是经过仔细分析和研究得出的。如果你正打算变换一种算法以实现新目的，或者需要独立编写一个新程序，就必须了解这一点。不过，在实践中，大多数人会用由专家编写的程序。这些程序是经过高度优化的，并且可以从免费的开源库中获取。

我们希望能帮助你理解这些技术的原理，掌握其正确应用，并懂得如何解读结果，但无须深入了解技术背后的数学结构。

如果你喜欢数学或者想了解理论，那么请阅读每一章的“参考资料”部分给出的相关内容。大部分资料是简洁且能够激发灵感的，并且给出了作者在本书中刻意省略的细节。如果你不喜欢数学，可以略过此部分的内容。

本书分上下两册

本书涵盖的内容非常多，因此我们将其分成了上下两册。其中下册是上册内容的拓展和补充。本书内容是以循序渐进的模式组织的，因此建议你先读上册，再去学习下册的内容。如果你有信心，也可以直接从下册开始阅读。

小编做了一个思维导图，让您更快捷的了解本书的内容。

深度学习：从基础到实践（上册）内容

深度学习：从基础到实践（下册）内容

在第15章、第23章和第24章中，我们将详细讨论机器学习的scikit-learn库以及深度学习的Keras库。这两种库均基于Python语言。我们结合示例代码进行讲解，以期让你对Python库有深度的了解。即使你不喜欢Python，这些程序也会让你对典型的工作流和程序结构有所了解。这些章节中的代码可以在Python手册中找到，并且可用于基于浏览器的Jupyter编程环境。