入門 AI 從「深度學習」開始,五本必讀的深度學習聖經書籍

 

【我們為什麼挑選這篇文章】本文作者 Daniel Jeffries 針對五本兼具理論與實務的書籍,推薦給不同需求、不同經驗的深度學習者,以期大家在買書前作為參考,依序閱讀。(責任編輯:楊侑陵)

(以下以 Daniel Jeffries 第一人稱撰寫)

多年來,由於實驗室研究和現實應用效果之間的鴻溝,少有人持續研究人工智能,AI 在很多領域停滯不前。然而近兩年,AI 在一些領域陸續有了重大突破,像是圖像識別、自動駕駛、Alpha Go 等等。許多八九十年代的算法,因為硬體速度慢和缺乏數據等原因而不再被使用。而現在,受眾多大數據和大規模並行芯片的支持,這些算法終於初見成效。

在過去的一年多時間裡,研究人員競相出版專著,以滿足讀者對深度學習知識的渴求。第一本關於深度學習的書已經上架,更多的將會在夏天或者明年年初陸續上架。我有幸提前拜讀了一些專著的初稿,這些書的最終出版讓人期待萬分。

接下來我將推薦一些深度學習書籍給大家。這些書可以引導大家如何學習人工智能,這對深度學習的快速理解有很大幫助。

理論和實踐相互兼顧

我父親常說:「凡事均衡最好。」對此我深信不疑,且奉為圭臬。當然,我承認在周末或者在拉斯維加斯的時候,偶爾也會將其拋諸腦後。

我贊成理論與實踐要相互均衡。比如針對某個問題, 給一個明確的背景資訊,然後根據實例自己動手實踐。書本不要過多闡述理論知識,應該讓讀者邊學習邊查漏補缺。 設想有一本書,非常抽象,或者列舉大量的實例,卻不解釋問題的來龍去脈,你還看的下去嗎?

每個人都有自己的學習習慣,應該清楚地知道怎麼學,才能卓有成效。我始終認為花時間去買那些與我無用的書,特別容易錯過真正適合的。如果你喜歡通篇理論,那就不必繼續看我的推薦了。如果你喜歡看那些理論與實踐結合相宜得章的書,相信我推薦的書單會讓你會喜歡。

《Deep Learning》

第一本書是 Ian Goodfellow 的《Deep Learning》。作者在 Google Brain 和 OpenAI 上做出了突出貢獻。不少人認為這本書是深度學習領域的聖經,因為它是迄今為止唯一一本融合了前幾十年研究工作的鴻篇巨著。

不過,除非你有較好的數學基礎,否則不建議你從本書入門,因為讀起來挫敗感十足。 書中不僅有大量的公式,同時寫得比較枯燥乾澀。儘管 Goodfellow 希望能傳授讀者更多的知識,但該書讀起來卻比較乏味,不能引人入勝。

我估計明年首次參加大學深度學習課程的學生手中會擁有這本書,而其中許多人會因為這本書難懂而堅持不下去。這本書比較適合那些經過幾年相關工作後,仍想進一步掌握深度學習的從業者。對於擁有較多專業領域知識且正準備初次踏入 AI 行業的專業程序員而言,這也是一本比較全面的指南。

本書免費中文版請 點此

《Hands-On Machine Learning with Scikit-Learn and Tensorflow》

第二本是剛出版的《Hands-On Machine Learning with Scikit-Learn and Tensorflow》。雖然這本書也有大量的公式,不過 作者 Aurélien Géron 用簡單的方式詮釋了複雜的概念。全書寫得通俗易懂,可讀性很強,不過我也不強烈推薦。

《數學不好還學 AI》系列文章,是本書很好的補充,尤其是該系列的第五篇《用卷積神經網絡進行圖像識別》和第七篇《自然語言處理》。在我的印象中,這本書有詳盡的實例和相應代碼,兩者完美結合。我讀過在 Safari 的在線叢書初稿,當時許多部分沒有寫完,而且網站還將一些公式轉換的莫名其妙,但這並不影響我對內容的理解。

和其他優秀的修改稿一樣,最終版本相比初稿有了實質的躍進,完美詮釋了作者的觀點和採用的實例。本書內容的組織非常自然流暢,各種觀點都有清晰的實例證明,建議讀者看第一遍的時候,不要去管那些公式,以後需要時再去深入推敲。

《Deep Learning with Python》

第三本是《Deep Learning with Python》。作者是 Keras 框架的構建者 Francois Chollet。不過這本書還得過段時間才能出版。但透過 Manning 的 MEAP 系統可以閱讀前三章的內容,內容寫得很好,我極力推薦此書。

正如 Chollet 在編寫 Keras 框架時一樣 ,他神奇的將復雜概念簡單化,文中措詞巧妙,可讀性強。 即使是 AI 和深度學習中最具挑戰性的概念,他也同樣解釋的通俗易懂。讀了這本書我才真正理解什麼是張量。書中有大量不錯的實例,大家可以在他的 Github上看看。隨著越來越接近正式出版,這本書也越來越完整。請關注支持作者,且同時,盡量能先在 MEAP 上跟進閱讀,留言給作者,來讓這本書更完善。

《Deep Learning: A Practitioner’s Approach》

第四本是《Deep Learning: A Practitioner’s Approach》。該書主要使用 Java 的深度學習框架 DL4J。目前 AI 領域的研究大多數使用 Python 語言實現,不過隨著越來越多企業湧入機器學習領域,Java 的使用可能會逐漸增多。由於 Java 擁有龐大的生態系統,現在的大公司裡,它仍然是主要的開發工具。

這本書的讀者設定是深度學習的初學者。因此,如果你已經有一些深度學習的基本知識、並想進一步深入研究如何用 Java 實現深度學習的話,請直接跳過前面的例子。但是如果你沒什麼深度學習經驗,Java 也不太熟悉的話,那麼這本書值得你細細研讀。 尤其是第 4 章「出色的深度學習架構」,提供了一個可以幫你解決現實應用中架構問題的關鍵方法

雖然我不熟悉 Java 語言,但我把它分享給我的幾個寫程式的同事後,他們非常喜歡。在介紹深度學習上,書中的實例和書本的總體結構顯得非常專業。

《TensorFlow Machine Learning Cookbook》

最後推薦的是《TensorFlow Machine Learning Cookbook》。雖然書中的內容和編碼有一些錯別字,不過在自然語言處理等內容上,還是列舉了許多不錯的實例。和其他手冊書一樣,本書也偏重編碼,如果你不太了解卷積神經網絡的輸入輸出,你會被許多基本概念搞暈,買書前如果你已經看過其它的書,並且對書中的例子進行了實戰,那麼這本書可以給你提供更多的練習與實踐。 但請不要把此書當作入門書,也不建議單獨購買此書

有些書正在編寫中、有些書已經出版但還沒有機會拜讀的,將來有機會的話,我會繼續推薦的。

(本文經合作夥伴 雷鋒網 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈入門深度學習,讀對書很重要 〉。首圖來源:Jisc, CC licensed)

延伸閱讀

如果想靠寫程式吃飯,第一個學的絕對要是 JavaScript!
【工程師顫抖了】Google 開發出「會寫 AI 程式的 AI」,難道以後 Coding 的都不是人了嗎……
向全世界的工程師請教書單:在 Stack Overflow 上最常被提到的 10 本書
【免費自修資源】精選 8 本資料科學經典書單,讓你自學也能變大師
2017 年程式語言最佳有潛力獎:Go、Dart 與 Perl,你認識幾種呢?


用電大戶的能源新解方

工業用電大戶的電力需求與營運需求如何取得平衡?  立即報名 11/29 台達《智慧能源競爭力論壇 找到能源調度的最佳解

點關鍵字看更多相關文章: