如何评价 MIT Deep Learning 这本书？ 举报 理由 举报 取消 很多人都推荐说 MIT 的 Deep Learning 是比较权威的一本学习 深度学习 的书。 大家怎么看？此书还未出版，详见官方网站 ： Deep Learning 2017年12月5日 10 条回复 1012 次浏览 Deep,Learning,学习,数据,机器,模式识别,深度,神经网络
回复 ( 10 )
我没有资格评价这本书，我只能谈谈这本书。
这本书在写的过程中我也一直在关注，还是残本的时候我就反复看了。这本书加上Hinton老爷子的公开课，基本上Deep learning的入门足够了。内容全面，而且不啰嗦，干货满满。看懂的成本也不高，基本上高年级的本科生就能看懂了。
而且这种一边写一边一直放在网上更新，边写边接受评论修改的方式，实在让人钦佩。而且在线更新的过程中不停的把新成果和参考文献加进去，保证了书不会一出版就落后，内容非常新，甚至超前。
总之就是，好评好评好评，推荐推荐推荐。
如果想对深度学习有深刻的理解，Bengio这本书的part 2 绝对让你相见恨晚。其它的资料大多要么理解的肤浅，要么讲的不够全面。绝对推荐看一下，讲得非常系统全面，而且深入浅出。
Hinton的公开课感觉只能作为一个入门。这本书读完让你有一种读了很大数量的论文的收获感。
浏览器里收藏了一段时间了，每次有不懂的总是点进去看看，基本上都能得到解答。所以仅谈一下我的看法。
首先说下我了解的八卦，Ian Goodfellow似乎是Bengio的博后，也是牛人，从Google去了OpenAI，另一作者（我没注意过名字）是同校的助理教授，大牛之间相互认同，可以看出他也不赖。
作者的手稿放在网上，但毕竟是他们辛苦工作，出版社也是花了钱的，所以建议在线浏览，不赞成打印。
书的内容来说，我个人比较赞成二楼的建议。第二部分确实很有用！它偏向应用，从FNN说起到RNN及CNN，涉及到优化，训练的方方面面。
第三部分注重理论扩展，是进阶深造的好材料。第一部分是数学和机器学习基础，可看可不看。
全文七八百页，算是不多吧，同时不像PRML那么多公式，个人感觉还是挺好读的。
就全书来看，我个人感觉作者的重心在提纲挈领地阐述整个深度学习的研究；对于特定的任务，大家还可能需要多跟文献。
大概就这些，有帮助请点赞(・ω< )
以前看prml时候看网上人说prml兼顾理论和工程，我信以为真。
后来看dl，我默默的找到了那个书评，点了个反对
不过dl这本书里面很多东西默认你学过了，所以还是要先看看ml的
这本书让我对传统的机器学习的算法有更加深刻的理解，Deep Learning也由浅入深，讲了motivation，讲了具体方法，不同方法之间的联系，讲了representation learning的视角，还有deep learning目前的研究前景和主要痛点
真的很感谢实习的同事在我大三的时候就给我推荐了这本书。
深度学习最全面的书，逐步深入。我觉得学习深度学习，机器学习，计算机视觉等的都应该好好看看这本书。
另外看到这本书有个读书会，每周日讨论交流，还不错，推荐一下
我觉得作者真的对这个领域理解非常非常深刻，把概念讲的非常简单。这应该是最好的教材了。
作为机器学习的入门都未尝不可。
当然此书侧重deep learning，对经典的理论算法感兴趣的话可以读PRML
正在看。是本好书，内容更接近一般机器学习的总论，但是有深度学习的focus，很多算法降得非常透彻，比如如何从symbolic的角度解BP，很佩服作者。
我还是看完再来评价比较好。
扫了一眼非常好。