豆瓣
扫码直接下载
牛逼啊！平实的大白话讲清深度学习常用Tricks背后的Intuitions，重剑无锋，大巧不工！
看了第二部份，内容清晰明了，确实是入门好书。个人笔记：https://facaiy.github.io/tech/2017/08/05/Deep-Learning.html
觉得它带我到了Deep Learning的核心地带，这使我感觉很好。（英文很清楚，它不只全面，它更会强调相通之处和方法的本质，这本书是有核的，它仿佛是Deep Learning本身...太好了...）从去年冬天开始读，已经做了5次勉強会，自己做Slides特别有益，如果时间更多，想要每一章都做一次。实践上还很贫乏，实践多以后还想再完整读一遍。
只看完了前两部分的基础，第三部分看着还有些吃力，暂时放下了。
内容丰富，从基础到前沿研究都有详细介绍。由于篇幅限制，有些专项可能不够深入，适合配合斯坦福cs231n, cs224n等一同学习。另外，对于强化学习本书基本没有涉及，需要阅读Sutton的书。
对DL的基础写的很好，很全面，难度不大。膜拜作者，看了好多goodfellow的论文…
快要啃完了，随时可能弃读。。数学推导非常简化，大多数都看不太懂。算法介绍比较厉害，尤其喜欢作者对基于biological neural networks的解读(大概也就这个看得懂？) 。算是拔高视野的一本书吧，以后需要的时候再读。
理论书籍，看得很爽。但是不适合实战导向的阅读。以及DL很多时候其实就是没有一个合理的数学解释的。
十星推荐。。。简直是机器学习界深入浅出的典范，完全没有公式的堆叠，让你头痛炸裂的感觉，虽然里面也有十分严谨的数学推导（而且我自己看的时候有些地方还有些懵逼。。。数学不太好的锅），但是篇幅不多，然后就是有大量的不同技术的手段的insight在里面，公式推导只是为了支持想表达的某些核心insight，简直是太棒了的一本书，相比PRML这种让人望而生畏的掉书袋的风格，这书看的我简直感动的泪流满脸，大神们写的书就是不一样。
看原版比较好，不懂编程，没看几页，但感觉是本好书，等过段时间再回来看。
没看完，还是得看原版，翻译的质量实在不咋样
19、20 章比较吃力，弃了（怨他写得不好，诶）
读完一半了，收获很大很大，对很多概念梳理了一遍。写的很接地气，强烈推荐想做deep learning的同学读，就读英文的吧，毕竟会和文章里的各种术语一致的。
跟着课程非常superficial的过了前几章，需要在提高数学之后revisit.
整本书最有价值的只有7，8两章，前面基础部分不适合入门学习，后面的综述太过鸡肋。
英文原版还是很不错的，通俗易懂。中文版真的因为翻译把这本书毁了。
慢慢吞吞，读了快一年了
向大佬们低头！
我就是试试我还能不能标记书了
补标
> Deep Learning
1 有用 流年闲草 2017-05-03 13:27:54
牛逼啊！平实的大白话讲清深度学习常用Tricks背后的Intuitions，重剑无锋，大巧不工！
1 有用 不青山 2018-03-05 21:03:29
看了第二部份，内容清晰明了，确实是入门好书。个人笔记：https://facaiy.github.io/tech/2017/08/05/Deep-Learning.html
2 有用 YoungSend 2019-08-17 01:06:30
觉得它带我到了Deep Learning的核心地带，这使我感觉很好。（英文很清楚，它不只全面，它更会强调相通之处和方法的本质，这本书是有核的，它仿佛是Deep Learning本身...太好了...）从去年冬天开始读，已经做了5次勉強会，自己做Slides特别有益，如果时间更多，想要每一章都做一次。实践上还很贫乏，实践多以后还想再完整读一遍。
1 有用 Wolfson 2019-06-27 10:36:28
只看完了前两部分的基础，第三部分看着还有些吃力，暂时放下了。
1 有用 尉迟恭 2018-10-21 07:03:55
内容丰富，从基础到前沿研究都有详细介绍。由于篇幅限制，有些专项可能不够深入，适合配合斯坦福cs231n, cs224n等一同学习。另外，对于强化学习本书基本没有涉及，需要阅读Sutton的书。
2 有用 飞翔的蘑菇🍄 2017-04-18 09:00:53
对DL的基础写的很好，很全面，难度不大。膜拜作者，看了好多goodfellow的论文…
1 有用 麦喵 2020-05-11 14:22:23
快要啃完了，随时可能弃读。。数学推导非常简化，大多数都看不太懂。算法介绍比较厉害，尤其喜欢作者对基于biological neural networks的解读(大概也就这个看得懂？) 。算是拔高视野的一本书吧，以后需要的时候再读。
1 有用 卖乐色的人贩子 2019-12-18 23:53:54
理论书籍，看得很爽。但是不适合实战导向的阅读。以及DL很多时候其实就是没有一个合理的数学解释的。
1 有用 薛定谔的熊 2019-02-11 19:10:15
十星推荐。。。简直是机器学习界深入浅出的典范，完全没有公式的堆叠，让你头痛炸裂的感觉，虽然里面也有十分严谨的数学推导（而且我自己看的时候有些地方还有些懵逼。。。数学不太好的锅），但是篇幅不多，然后就是有大量的不同技术的手段的insight在里面，公式推导只是为了支持想表达的某些核心insight，简直是太棒了的一本书，相比PRML这种让人望而生畏的掉书袋的风格，这书看的我简直感动的泪流满脸，大神们写的书就是不一样。
1 有用 麦唛 2017-09-28 10:41:18
看原版比较好，不懂编程，没看几页，但感觉是本好书，等过段时间再回来看。
1 有用 yaontheroad 2021-04-03 12:12:00
没看完，还是得看原版，翻译的质量实在不咋样
0 有用 张觉非 2018-06-06 11:51:22
19、20 章比较吃力，弃了（怨他写得不好，诶）
0 有用 英子 2019-01-12 22:30:08
读完一半了，收获很大很大，对很多概念梳理了一遍。写的很接地气，强烈推荐想做deep learning的同学读，就读英文的吧，毕竟会和文章里的各种术语一致的。
0 有用 稀奇八只脚 2018-05-06 00:37:33
跟着课程非常superficial的过了前几章，需要在提高数学之后revisit.
1 有用 豆友4104547 2021-01-24 05:57:32
整本书最有价值的只有7，8两章，前面基础部分不适合入门学习，后面的综述太过鸡肋。
1 有用 Ginger 2020-12-03 20:46:28
英文原版还是很不错的，通俗易懂。中文版真的因为翻译把这本书毁了。
2 有用 T-Lin 2018-03-04 11:33:41
慢慢吞吞，读了快一年了
0 有用 Валия 2020-05-21 04:35:55
向大佬们低头！
0 有用 邱陆陆 2022-04-27 21:08:45
我就是试试我还能不能标记书了
0 有用 Sisyphus 2023-12-22 22:34:51 美国
补标