1.深度學習初學者（Deep Learning for Beginners）
適合人群：初學者、數據科學專業導師
優點：使用圖表以最簡單的方式使初學者更易理解深度學習的基本概念和算法。通過提供深度學習算法的工作原理的簡單示例，然後逐步構建這些示例並逐步引入更復雜的算法部分。
缺點：因適用於初學者，這本書不太重視深度學習的數學。
內容：人工神經網絡基礎知識——瞭解機器學習和深度學習的差異——卷積神經網絡（CNN）——多層感知器（MLP）等其他算法。
2.深度學習基礎：設計下一代機器智能算法（Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms）
適合人群：有一點基礎的程序員、熟悉Python的學者、學過微積分的人
優點：作者用一整章篇幅介紹Tensorflow（Google的深度學習框架，用於構建神經網絡），內容具有一定先進性。
內容：涵蓋了機器學習和神經網絡的基礎，以及如何訓練前饋神經網絡。
3.用Scikit-Learn和TensorFlow進行機器學習 （Hand是-On Machine Learnning with Scikit-Learn&TensorFlow）
優點：作者用小白也能理解的方式來解釋複雜的話題，本書以正順序介紹主題，符合學習順序，書中含有大量具體例子易於理解。
內容：用Scikit-Learn和Google的TensorFlow的實踐教程來進行深度學習，MNIST分類器——如何訓練模型——SVM，決策樹，隨機森林等機器學習分類器——Tensorflow（包括安裝）——基本的神經網絡——深度神經網絡。讓你通過機器學習項目的從開始到結束，真實的看到如何處理數據，將數據可視化。
4.為外行準備的深度學習(Deep Learning for the Layman)
適合人群：想了解什麼是深度學習的人
優點：給想深度學習的人解釋了深度學習的相關信息、概念。
內容：介紹了什麼是深度學習等基礎問題——什麼是監督學習——無監督學習和強化學習的差異——分類和聚類等——如何構建神經網絡等——卷積神經網絡等。
5.建立你自己的神經網絡（Make Your Own Neural Network）
適合人群：想學習基本神經網絡的基本內容的人
優點：能通過對神經網絡的數學指導，完整的理解神經網絡的工作方式。
內容：機器學習的高層概述——神經網絡的細節——建立自己的神經網絡——學習Python編程語言——能夠識別手寫數字的神經網絡——如何讓你的神經網絡在Raspberry Pi上運行等。
6.Python深入學習（Deep Learning with Python）
適合人群：具有Python基礎的人、高中數學水平即可。
優點：本書專注於通過代碼片段而非數學符號，作者本身非常有吸引力，使得非常易讀。
內容：主要介紹了深度學習使用Python編程語言和開源Keras庫，從學習深度學習——圖像分類模型——如何使用深度學習獲取文本和序列——如何使用神經網絡生成文本和圖像。
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
