【導(dǎo)讀】今天給大家推薦一下機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法實(shí)戰(zhàn)和應(yīng)用必備的4本“寶藏”書。具體書籍展示如下：（文末提供下載方式！）

1. Deep Learning?With?PyTorch（PyTorch官方指定教程）

《Deep Learning with PyTorch》，上面共有五個(gè)章節(jié)，包括了深度學(xué)習(xí)與PyTorch庫(kù)、張量、如何用張量表示真實(shí)世界的數(shù)據(jù)、學(xué)習(xí)機(jī)制、用神經(jīng)網(wǎng)絡(luò)擬合數(shù)據(jù)等方面的內(nèi)容，核心是指導(dǎo)讀者使用Python 和 PyTorch 實(shí)現(xiàn)深度學(xué)習(xí)算法。

獲取方式：

1. 掃碼關(guān)注公眾號(hào)：視學(xué)算法

2. 在 消息對(duì)話框 回復(fù)：DL4件套?即可以獲取上面全部資料哈~

更多資源，請(qǐng)關(guān)注我喲！

2. Natural?Language?Processing with?PyTorch

作者Delip Rao和Goku Mohandas為您提供了PyTorch的堅(jiān)實(shí)基礎(chǔ)，以及深度學(xué)習(xí)算法，用于構(gòu)建涉及文本語(yǔ)義表示的應(yīng)用程序。每章包括幾個(gè)代碼示例和插圖

- 獲得對(duì)NLP，深度學(xué)習(xí)和PyTorch介紹

- 了解傳統(tǒng)的NLP方法，包括NLTK，SpaCy和gensim

- 探索嵌入：語(yǔ)言中單詞的高質(zhì)量表示

- 使用遞歸神經(jīng)網(wǎng)絡(luò)（RNN）學(xué)習(xí)語(yǔ)言序列中的表示

- 通過(guò)復(fù)雜的神經(jīng)架構(gòu)改進(jìn)RNN結(jié)果，例如長(zhǎng)期短期記憶（LSTM）和門控遞歸單位

- 探索讀取一個(gè)序列并產(chǎn)生另一個(gè)序列的序列到序列模型（用于翻譯）

3. Deep Learning with?Python

本書自出版以來(lái)收到眾多好評(píng)，因?yàn)槭?Keras 作者寫的書，所以全書基本圍繞著 Keras 講深度學(xué)習(xí)的各種實(shí)現(xiàn)，從 CNN，RNN 到 GAN 等，偏入門，但也承載著很多作者對(duì)深度學(xué)習(xí)整體性的思考。這是一本偏實(shí)戰(zhàn)的書，教你使用 Keras 快速實(shí)現(xiàn)深度學(xué)習(xí)經(jīng)典項(xiàng)目?？赐赀@本書，基本能對(duì) Keras 和深度學(xué)習(xí)實(shí)戰(zhàn)有比較初步的掌握了。

4. 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)（“蒲公英書”）

該書主要特點(diǎn)：

• 系統(tǒng)性：系統(tǒng)地整理了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的知識(shí)體系。鑒于深度學(xué)習(xí)涉及的知識(shí)點(diǎn)較多，本書從機(jī)器學(xué)習(xí)的基本概念、神經(jīng)網(wǎng)絡(luò)模型以及概率圖模型三個(gè)層面來(lái)串聯(lián)深度學(xué)習(xí)所涉及的知識(shí)點(diǎn)，使讀者對(duì)深度學(xué)習(xí)技術(shù)的理解更具系統(tǒng)性、條理性和全面性。

• 可讀性：本書在編排上由淺入深，在語(yǔ)言表達(dá)上力求通俗易懂，并通過(guò)增加圖例、示例以及必要的數(shù)學(xué)推導(dǎo)來(lái)理解抽象的概念。同時(shí)，附錄簡(jiǎn)要介紹了本書所涉及的必要數(shù)學(xué)知識(shí)，便于讀者查用。

• 實(shí)踐性：本書在網(wǎng)站上配套了針對(duì)每章知識(shí)點(diǎn)的編程練習(xí)，使得讀者在學(xué)習(xí)過(guò)程中可以將理論和實(shí)踐密切結(jié)合，加深對(duì)知識(shí)點(diǎn)的理解，并具備分析問(wèn)題和解決問(wèn)題的能力。

獲取方式：

1. 掃碼關(guān)注公眾號(hào)：視學(xué)算法

2. 在 消息對(duì)話框 回復(fù)：DL4件套?即可以獲取上面全部資料哈~

更多資源，請(qǐng)關(guān)注我喲！