0.學習TensorFlow：構建深度學習系統的指南（Learning TensorFlow: A Guide to Building Deep Learning Systems）
適合人群：廣泛的計算機技術人員，數據工程師，計算機系學生
優點：內容難度循序漸進，從如何使用Tensorflow服務API到在Tensorflow中構建和部署適用於生產的深度學習系統。
內容：Tensorflow基本示例——神經網絡體系結構——如何使用文本和序列——TensorBoard可視化——TensorFlow抽象庫——多線程輸入管道。
1.神經網絡和深度學習（Neural Networks and Deep Learning:Deep Learning explained to your granny）
適用人群：任何想要學習深度學習的小白
優點：解釋方法非常通俗易懂
內容：神經網絡和深度學習基礎知識——有監督學習和無監督——研究不同類型的網絡體系結構等——深度學習的實際工作原理——深度神經網絡主要類型——如何給神經網絡提供記憶——各種框架和庫。
2.深度學習：從業者的方法（Deep Learning :A Practitioner’s Approach）
適合人群：深度學習的初學者、有Java或深度學習基礎者均可
優點：不同於以python為基礎學習人工智能的，本書是以java為基礎，適合想轉型人工智能的java程序員
內容：重點介紹Deep Learning For Java（DL4J）——瞭解機器學習概念——深度神經網絡的發展——深層網絡架構——如何使用DL4J。
3.用TensorFlow進行專業深度學習（Pro Deep Learning with TensorFlow）
適合人群：數據研究者、機器學習者、軟件開發者、開源愛好者
優點：從零開始學習深度學習、所有代碼均以iPython形式提供
內容：掌握Tensorflow API——優化各種深度學習網絡架構的方法——神經網絡體系結構所需的數學知識——機器學習原理——將深度學習解決方案部署到生產環境中。
4.用於深度學習的TensorFlow（TensorFlow for Deep Learning）
適合人群：開發經驗豐富但沒有深度學習體系結構經驗的程序員、有基本線性代數和微積分基礎。
優點：以實例介紹深度學習的概念
內容：設計可執行對象檢測——翻譯人類語言——分析視頻——預測潛在藥物特性——Tensorflow API的知識——如何在大型數據集上訓練神經網絡——如何在卷積網絡——使用TensorFlow。
5.深度學習（DEEP LEARNING）
適合人群：想進入深度學習研究的人
優點：彙集了數年學習和研究的經驗，被許多人認為是深度學習的聖經，是目前關於深度學習最全面的書。
內容：基礎數學（線性代數、概率論）——機器學習基礎——深度網絡——深度學習。
最後
為幫助那些往想互聯網方向轉行想學習，卻因為時間不夠，資源不足而放棄的人。我搜集整理了一套完整的IT學習資料，包括運營技巧、SEO優化等，比自己在網上零散收集的結構性和連貫性更強，只為幫助那些想學習的人！需要的同學可私信！私信！回覆“資料”
☟☟☟☟戳
閱讀更多 中公優就業 的文章
