我們都知道現在機器學習、深度學習的資料太多了，面對海量資源，往往陷入到“無從下手”的困惑出境。而且並非所有的書籍都是優質資源，浪費大量的時間是得不償失的。今天，給大家推薦這四本好書。
1. 《Deep Learning with Python》
推薦指數：★★★★☆
本書自出版以來收到衆多好評，因爲是 Keras 作者寫的書，所以全書基本圍繞着 Keras 講深度學習的各種實現，從 CNN，RNN 到 GAN 等，偏入門，但也承載着很多作者對深度學習整體性的思考。這是一本偏實戰的書，教你使用 Keras 快速實現深度學習經典項目。看完這本書，基本能對 Keras 和深度學習實戰有比較初步的掌握了。個人非常推薦！
但是，這本書默認你已經具備了基本的深度學習、神經網絡知識。如果你是深度學習的初學者，那麼最好先補充一下深度學習的基本入門知識。
本書源碼 GitHub 地址：
https://github.com/fchollet/deep-learning-with-python-notebooks
目前本書的英文版和中文版都 pdf 文件都已經打包完畢。
2. 《Python Machine Learning》
推薦指數：★★★☆☆
這本書本身知名度不是特別高，但是書籍質量很高，簡單來說就是簡易、實用、不枯燥。本書使用了 Scikit-Learn 和 TensorFlow，分別講解機器學習和深度學習，並每章配備實操代碼。還有一點是講解了如何將機器學習模型發佈到 Web 應用。整個知識體系相對更加完善，是一本比較全面的機器學習書籍。
本書源碼 GitHub 地址：
https://github.com/rasbt/python-machine-learning-book-2nd-edition
目前本書只有英文版 pdf。
3. 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》
推薦指數：★★★★★
本書中文譯爲《Scikit-Learn 與 TensorFlow 機器學習實用指南》。這本書最大的特色從理論上講就是言簡意賅，全書基本上沒有太多複雜的數學公式推導，語言通俗易懂，很容易看得懂、看得下去。全書共分爲兩大部分，第一部分介紹機器學習基礎算法，每章都配備 Scikit-Learn 實操項目；第二部分介紹神經網絡與深度學習，每章配備 TensorFlow 實操項目。附錄部分內容也非常豐富。正本書兼顧理論與實戰，是一本非常適合入門和實戰的機器學習書籍。
本書源碼 GitHub 地址：
https://github.com/ageron/handson-ml
目前本書只有英文版 pdf。不過已經有人翻譯了中文版，紅色石頭也在做這件事，目前還在更新，地址如下：
https://github.com/RedstoneWill/Hands-On-Machine-Learning-with-Sklearn-TensorFlow
4. 《Deep Learning》
推薦指數：★★★★☆
又名“花書”。該書由三位大佬 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰寫，是深度學習領域奠基性的經典教材。全書的內容包括3個部分：第1部分介紹基本的數學工具和機器學習的概念，它們是深度學習的預備知識；第2部分系統深入地講解現今已成熟的深度學習方法和技術；第3部分討論某些具有前瞻性的方向和想法，它們被公認爲是深度學習未來的研究重點。相信這本書大部分人入坑深度學習的都知道！
爲什麼沒給這本書打五星呢？其實，我覺得這本書內容很深很全面，但起點稍微高了一些。如果你的數學基礎比較好，那麼這本書是非常不錯的進階工具書；但如果你剛剛入門深度學習，那麼需要補充一定的基本概念知識，再來學習會比較好。
推薦的學習順序：
“四大名著”介紹完了，每本書都有各自的特色。其實，適合自己的纔是最好的。很難有統一的標準和學習線路。但是，從我的角度出發，我覺得一般的適合大多數同學的閱讀順序爲：3 -> 2 -> 1 -> 4。如果分側重的話，我覺得 3 和 1 非常不錯。最後，修煉一下深度學習內功心法，即 4。2 可以選讀。