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