动手学深度学习读后感
这书是实践导向入门书，优点是平易近人、操作性强、覆盖面广，缺点是深度不足，毕竟本来就是本科教程。五星评价的原因是此书把优点极致放大，做到了现今市面上没有哪一本书能够替代掉它的功能，即便缺乏深度是不可置疑的软肋。按照作者的安排一步一步从简单代码到各种模型的实现，几乎只需要参考这一本书，除非是追求更高精尖的想法或是更基础严谨数学公式推导证明，而在这一步一步敲代码过程中，读者对理论的理解也能更好的找到落脚点。作为与花书同样完全开源的专业书，此书风格一看就是工程师出身的人写的，而花书一看就是科研工作出身的人写的，虽然一个是入门用，一个是进阶用，但两者重叠的部分都是此书更佳，而更进阶的内容推荐直接读原始论文或相应综述论文，更数学的推荐类似《Applied Predictive Modeling》的书。
动手学深度学习内容简介
本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。
全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。
动手学深度学习作者简介
阿斯顿・张（AstonZhang）
亚马逊应用科学家，美国伊利诺伊大学香槟分校计算机科学博士，统计学和计算机科学双硕士。他专注于机器学习的研究，并在数个顶级学术会议发表过论文。他担任过NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI等学术会议的程序委员或审稿人以及FrontiersinBigData期刊的编委。
李沐（MuLi）
亚马逊首席科学家（PrincipalScientist），加州大学伯克利分校客座助理教授，美国卡内基梅隆大学计算机系博士。他专注于分布式系统和机器学习算法的研究。他是深度学习框架MXNet的作者之一。他曾任机器学习创业公司MarianasLabs的CTO和百度深度学习研究院的主任研发架构师。他在理论、机器学习、应用和操作系统等多个领域的顶级学术会议（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD、WSDM、OSDI）上发表过论文。
扎卡里·C.立顿（ZacharyC.Lipton）
亚马逊应用科学家，美国卡内基梅隆大学助理教授，美国加州大学圣迭戈分校博士。他专注于机器学习算法及其社会影响的研究，特别是在时序数据与序列决策上的深度学习。这类工作有着广泛的应用场景，包括医疗诊断、对话系统和产品推荐。他创立了博客ApproximatelyCorrect（approximatelycorrect.com）。
亚历山大·J.斯莫拉（AlexanderJ.Smola）
亚马逊副总裁/杰出科学家，德国柏林工业大学计算机科学博士。他曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教。他发表了超过200篇学术论文，并著有5本书，其论文及书被引用超过10万次。他的研究兴趣包括深度学习、贝叶斯非参数、核方法、统计建模和可扩展算法。20200302
《动手学深度学习》pdf+epub+mobi+azw3