深度學習入門讀什麼？人工智慧講師為你推薦MIT經典

文/唐宇迪

在前兩期的節目中，我給大家分別推薦了機器學習和數據挖掘的入門書。今天我再給大家推薦另一本人工智慧的入門書，告訴你深度學習可以怎樣入門。

從傳統的機器學習演算法到如今火爆的計算機視覺與自然語言處理，近年來深度學習發展迅猛，今天給大家推薦的深度學習入門書，是MIT的自適應計算和機器學習系列叢書的一本，被譽為聖經的《Deep Learning》。

推薦這本書給大家主要有3個原因。

第一，對於初學者來說最頭疼的問題就是如何解決繁瑣的數學問題。

太多的數學知識我們早就忘得差不多啦，不補起來沒法在這個領域立足。該書第一部分講解數學和機器學習的基本知識，非常適合大家快速補充數學和機器學習的基本概念，已經熟悉機器學習的同學，則可以藉此機會複習一下。這部分主要介紹了線性代數、概率論、優化的基礎，這些都是機器學習和深度學習中必不可缺的一部分。

除了基本概念外，這一部分還介紹了機器學習的常用演算法，講解機器學習處理問題的思路，以及各種演算法的局限與缺點，這樣我們就能夠更清晰地了解深度學習演算法的貢獻和適用範圍。

通過學習數學和機器學習基礎，我們可以快速了解AI領域要解決的核心問題，夯實必備的基礎。

第二，這本書非常重視細節和內部邏輯，不會只告訴你結論讓你一知半解。

在神經網路的章節講解中，《Deep Learning》並沒有像其他書一樣，把它當成一個黑盒子一帶而過，而是詳細地討論了神經網路的每一個細節，讓我們對神經網路不光有一個總體的概念，還可以深度理解其中的組成和作用方式。

比如在講解激活函數的時候，這本書沒有直接闡述激活函數的作用和公式，而是從神經網路的發展開始，講解了一代代激活函數的更新過程，以及它們的優缺點。這樣我們可以不只了解到當下神經網路的整體架構，還會對整個神經網路的發展脈絡建立整體認知，以便在工程或者科研項目上準確運用神經網路。

除了在知識點的講解上更加深入細緻，這本書還詳細分析了不同架構的神經網路的應用場景。神經網路種類繁多，什麼時候選用哪個就成了非常重要的問題，對這個問題，書中給出了非常詳細的解釋。

比如在計算機視覺領域與自然語言處理領域我們將會用到不同的神經網路架構，書中分別講解了兩種架構特點的對比分析，並說明了選擇的理由。

第三，這本書包含了當下的前沿熱點，包括自動編碼器、蒙特卡羅方法、近似推理和生成模型等，非常方便我們查找熱點研究和常見問題。

這本書最後還指出了我們未來將會面臨的一系列問題以及深度學習和人工智慧的未來發展，結合當下情況給我們日後的學習和研究方向提出了理論指導和科學依據，讓我們更清晰地知道，當我們掌握了基礎的概念和應用方法後該如何提升自己。

最後再來提醒一下，在學習的過程中，你可能會遇到很多問題，尤其是像深度學習本身難度就較大的學科，這時候一定注意不要著急，放鬆心態，逐個攻破每個挑戰！

當我們在學習每一個演算法每一個知識點的同時還要將理論思想轉換成實戰工具，不斷通過案例來強化自己，做到學以致用，真正的將我們所學的知識點應用到實際任務當中。

這本書重視基礎細節，遇到晦澀難懂的知識點對於剛入門的我們再正常不過了，堅持學習反覆思考才是我們一步步走向人工智慧領域的上上籤！

總之，如果你想入門深度學習這個熱門領域，推薦你讀這本《Deep Learning》，它深入淺出，從人工智慧本身出發講解深度學習中的一系列方法與實際應用技巧，一步步帶你進入人工智慧的殿堂。如果你有朋友正在學習人工智慧，歡迎把這期節目分享給他，一起交流。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！