豆瓣
扫码直接下载
他们起草的时候指出他们一些公式错误，所以上面有我的名字，哈哈
这本书写得不仅用心，也良心（网上免费发布）。这三个月几乎所有业余时间都耗这书上，系统学习的感觉就是爽。终于可以开始动手了，我的键盘早已饥渴难耐。哈哈~
读的是开源中文版，https://github.com/exacity/deeplearningbook-chinese
读了前九章，内容虽然非常好，但是作者对内容的表达远不如prml清晰，很多地方跳跃性太强，需要猜测他的意图或者查阅其他资料才能搞明白他要表达什么。prml在数学和表达上的严谨度比他好的多。
和PRML比较起来，明显感觉数学公式少了很多，作者也有提到深度学习很多部分没有很好的数学支持，所以大段文字描述很容易让人思路跟丢了。同时，很多主题也能意识到是很大的独立主题，肯定只能带过式的讲解，但是又没有浅的引入部分，好像直接就比较深入，也是让人懵逼的一个地方。
好多地方看不懂。有些章节感觉讲的不如维基百科和某些博客讲的清楚
一般而言豆瓣上超过9分评价的书都有共识，但这次我只给三星，只能说每个人心中都有自己的哈姆雷特。此书在各种深度学习的必读推荐中屡屡上榜，也许的确获得大多数专业人士的认可，但我读下来感觉更多是作者们的名气影响，如果把作者名盖上，这书的质量是否仍然鹤立鸡群？我觉得不行。机器学习的书可以分为实践导向与理论导向，前者比较讨喜，这本属于后者，枯燥是常态。理论导向继续分有入门书和进阶书，这本完全是后者，想入门的人读此书就像自杀。进阶书难读，因为作者往往假定读者具备扎实的基本功能时时刻刻思路跟上，这书也一样。难读本身不是大问题，而这书的问题是基本原理介绍的内容相比其它同类书并没有独特性，没有舍我其谁醍醐灌顶，而高级内容都是某某做了什么，大致结果是什么，然后就没有然后了，基础介绍+不合格的综述，只能这么评价。
这书不错，前面快200页基础，没有统计和机器学习背景也可以看。我从后来开始看，觉得很不错，可以入门做阿尔法狗了~~~入门
工具书，不适合新人自学。part1基础知识可以快速阅读过一遍，part2和part3不适合新手直接看。斯坦福cs231n是最好的深度学习资料。
非常好的一本书，每个从业者都该看看
a great list of papers
目前学习深度学习的必读书目了
读完第一部分和最后部分无监督学习的章节。读了一年终于读完了😊
非常好的教材，可以结合GitHub上的中文译版看。
读的时候因为有各种reference和不熟悉的缩写要一直前后翻。。。 不过非常新啊
等重读吧，过于系统，不适合初学
六星推荐。应该会二刷。期望有点大……读到后面感觉有点乱。四星吧……20170415
我个人不太喜欢这本书，有些interpretation冗长难读并且讲不清楚，terminology的用法时不时让人觉得奇怪。
粗略读完前两部分，对深度学习有了更进一步的了解。大量的数学和概率计算，还有各种网络连接模型，总的来说，读得辛苦，不过还是窥见不少有意思的机器智能表示逻辑，像局部特征、记忆存储、编码解码。更多的技巧在如何优化计算过程，推动梯度下降逐步优化求解，真心了不起。
很好的一本书，同时具备细节和high level的描述。cover了各个程度对deep learning的理解需求
> Deep Learning
184 有用 Wei Xue 2017-04-08 22:32:02
他们起草的时候指出他们一些公式错误，所以上面有我的名字，哈哈
45 有用 少侠 2017-01-22 01:28:27
这本书写得不仅用心，也良心（网上免费发布）。这三个月几乎所有业余时间都耗这书上，系统学习的感觉就是爽。终于可以开始动手了，我的键盘早已饥渴难耐。哈哈~
36 有用 豆友1907570 2017-04-13 21:48:41
读的是开源中文版，https://github.com/exacity/deeplearningbook-chinese
9 有用 outlaw 2017-08-24 23:30:05
读了前九章，内容虽然非常好，但是作者对内容的表达远不如prml清晰，很多地方跳跃性太强，需要猜测他的意图或者查阅其他资料才能搞明白他要表达什么。prml在数学和表达上的严谨度比他好的多。
7 有用 走着 2017-09-28 10:38:24
和PRML比较起来，明显感觉数学公式少了很多，作者也有提到深度学习很多部分没有很好的数学支持，所以大段文字描述很容易让人思路跟丢了。同时，很多主题也能意识到是很大的独立主题，肯定只能带过式的讲解，但是又没有浅的引入部分，好像直接就比较深入，也是让人懵逼的一个地方。
6 有用 李豆瓣9527 2017-08-16 21:12:50
好多地方看不懂。有些章节感觉讲的不如维基百科和某些博客讲的清楚
10 有用 泥豆尼痘昵 2019-06-05 10:31:24
一般而言豆瓣上超过9分评价的书都有共识，但这次我只给三星，只能说每个人心中都有自己的哈姆雷特。此书在各种深度学习的必读推荐中屡屡上榜，也许的确获得大多数专业人士的认可，但我读下来感觉更多是作者们的名气影响，如果把作者名盖上，这书的质量是否仍然鹤立鸡群？我觉得不行。机器学习的书可以分为实践导向与理论导向，前者比较讨喜，这本属于后者，枯燥是常态。理论导向继续分有入门书和进阶书，这本完全是后者，想入门的人读此书就像自杀。进阶书难读，因为作者往往假定读者具备扎实的基本功能时时刻刻思路跟上，这书也一样。难读本身不是大问题，而这书的问题是基本原理介绍的内容相比其它同类书并没有独特性，没有舍我其谁醍醐灌顶，而高级内容都是某某做了什么，大致结果是什么，然后就没有然后了，基础介绍+不合格的综述，只能这么评价。
3 有用 3点一直线 2017-07-24 03:56:51
这书不错，前面快200页基础，没有统计和机器学习背景也可以看。我从后来开始看，觉得很不错，可以入门做阿尔法狗了~~~入门
5 有用 icemelon 2018-07-15 18:18:26
工具书，不适合新人自学。part1基础知识可以快速阅读过一遍，part2和part3不适合新手直接看。斯坦福cs231n是最好的深度学习资料。
3 有用 小土刀 2017-05-29 07:01:49
非常好的一本书，每个从业者都该看看
3 有用 阿伯次得分高 2017-04-09 12:31:52
a great list of papers
1 有用 汪杨 2017-05-14 15:08:02
目前学习深度学习的必读书目了
3 有用 ACMing 2017-12-27 09:18:30
读完第一部分和最后部分无监督学习的章节。读了一年终于读完了😊
2 有用 Chaos 2017-05-14 20:07:55
非常好的教材，可以结合GitHub上的中文译版看。
3 有用 范二只剩两文钱 2016-12-16 11:34:17
读的时候因为有各种reference和不熟悉的缩写要一直前后翻。。。 不过非常新啊
3 有用 剑南 2017-04-07 11:49:59
等重读吧，过于系统，不适合初学
3 有用 olostin 2017-04-15 21:55:31
六星推荐。应该会二刷。期望有点大……读到后面感觉有点乱。四星吧……20170415
2 有用 文山鬼 2022-12-04 06:39:21 美国
我个人不太喜欢这本书，有些interpretation冗长难读并且讲不清楚，terminology的用法时不时让人觉得奇怪。
1 有用 今夕何夕 2017-10-12 20:34:14
粗略读完前两部分，对深度学习有了更进一步的了解。大量的数学和概率计算，还有各种网络连接模型，总的来说，读得辛苦，不过还是窥见不少有意思的机器智能表示逻辑，像局部特征、记忆存储、编码解码。更多的技巧在如何优化计算过程，推动梯度下降逐步优化求解，真心了不起。
2 有用 浮生会少 2018-02-05 12:17:10
很好的一本书，同时具备细节和high level的描述。cover了各个程度对deep learning的理解需求