前几天，红色石头在逛微博的时候，发现有人转发了@爱可可老师的这样一篇微博：
红色石头很有共鸣，这四本书着实很不错！我们都知道现在机器学习、深度学习的资料太多了，面对海量资源，往往陷入到“无从下手”的困惑出境。而且并非所有的书籍都是优质资源，浪费大量的时间是得不偿失的。今天，借此机会，红色石头就给大家推荐这几本好书并做简单介绍。最后附上所有书籍的详细资源。
1. 《Deep Learning with Python》
推荐指数：★★★★☆
本书自出版以来收到众多好评，因为是 Keras 作者写的书，所以全书基本围绕着 Keras 讲深度学习的各种实现，从 CNN，RNN 到 GAN 等，偏入门，但也承载着很多作者对深度学习整体性的思考。这是一本偏实战的书，教你使用 Keras 快速实现深度学习经典项目。看完这本书，基本能对 Keras 和深度学习实战有比较初步的掌握了。个人非常推荐！
但是，这本书默认你已经具备了基本的深度学习、神经网络知识。如果你是深度学习的初学者，那么最好先补充一下深度学习的基本入门知识。
本书源码 GitHub 地址：
https://github.com/fchollet/deep-learning-with-python-notebooks
目前本书的英文版和中文版都 pdf 文件都已经打包完毕。
2. 《Python Machine Learning》
推荐指数：★★★☆☆
这本书本身知名度不是特别高，但是书籍质量很高，简单来说就是简易、实用、不枯燥。本书使用了 Scikit-Learn 和 TensorFlow，分别讲解机器学习和深度学习，并每章配备实操代码。还有一点是讲解了如何将机器学习模型发布到 Web 应用。整个知识体系相对更加完善，是一本比较全面的机器学习书籍。
本书源码 GitHub 地址：
https://github.com/rasbt/python-machine-learning-book-2nd-edition
目前本书只有英文版 pdf。
3. 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》
推荐指数：★★★★★
本书中文译为《Scikit-Learn 与 TensorFlow 机器学习实用指南》。这本书最大的特色从理论上讲就是言简意赅，全书基本上没有太多复杂的数学公式推导，语言通俗易懂，很容易看得懂、看得下去。全书共分为两大部分，第一部分介绍机器学习基础算法，每章都配备 Scikit-Learn 实操项目；第二部分介绍神经网络与深度学习，每章配备 TensorFlow 实操项目。附录部分内容也非常丰富。正本书兼顾理论与实战，是一本非常适合入门和实战的机器学习书籍。
本书源码 GitHub 地址：
https://github.com/ageron/handson-ml
目前本书只有英文版 pdf。不过已经有人翻译了中文版，红色石头也在做这件事，目前还在更新，地址如下：
https://github.com/RedstoneWill/Hands-On-Machine-Learning-with-Sklearn-TensorFlow
4. 《Deep Learning》
推荐指数：★★★★☆
又名“花书”。该书由三位大佬 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。相信这本书大部分人入坑深度学习的都知道！
为什么没给这本书打五星呢？其实，我觉得这本书内容很深很全面，但起点稍微高了一些。如果你的数学基础比较好，那么这本书是非常不错的进阶工具书；但如果你刚刚入门深度学习，那么需要补充一定的基本概念知识，再来学习会比较好。
目前本书的英文版和中文版都 pdf 文件都已经打包完毕。
推荐的学习顺序：
“四大名著”介绍完了，每本书都有各自的特色。其实，适合自己的才是最好的。很难有统一的标准和学习线路。但是，从我的角度出发，我觉得一般的适合大多数同学的阅读顺序为：3 -> 2 -> 1 -> 4。如果分侧重的话，我觉得 3 和 1 非常不错。最后，修炼一下深度学习内功心法，即 4。2 可以选读。
