Python 程序員深度學習 “四大名著”：

《Deep Learning with Python》《Python Machine Learning》《Hands-On Machine Learning with Scikit-Learn and TensorFlow》《Deep Learning》：

這四本書著實很不錯！我們都知道現(xiàn)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。而且并非所有的書籍都是優(yōu)質資源，浪費大量的時間是得不償失的。給大家推薦這幾本好書并做簡單介紹。

獲取方式：關注+后臺回復關鍵詞：?四大名著

1. 《Deep Learning with Python》

推薦指數(shù)：★★★★☆

本書自出版以來收到眾多好評，因為是 Keras 作者寫的書，所以全書基本圍繞著 Keras 講深度學習的各種實現(xiàn)，從 CNN，RNN 到 GAN 等，偏入門，但也承載著很多作者對深度學習整體性的思考。這是一本偏實戰(zhàn)的書，教你使用 Keras 快速實現(xiàn)深度學習經典項目?？赐赀@本書，基本能對 Keras 和深度學習實戰(zhàn)有比較初步的掌握了。

本書源碼 GitHub 地址：

https://github.com/fchollet/deep-learning-with-python-notebooks

2. 《Python Machine Learning》

推薦指數(shù)：★★★☆☆

本書使用了 Scikit-Learn 和 TensorFlow，分別講解機器學習和深度學習，并每章配備實操代碼。還有一點是講解了如何將機器學習模型發(fā)布到 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

3. 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》

推薦指數(shù)：★★★★★

本書中文譯為《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復雜的數(shù)學公式推導，語言通俗易懂，很容易看得懂、看得下去。正本書兼顧理論與實戰(zhàn)，是一本非常適合入門和實戰(zhàn)的機器學習書籍。

本書源碼 GitHub 地址：

https://github.com/ageron/handson-ml

4. 《Deep Learning》

推薦指數(shù)：★★★★☆

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。相信這本書大部分人入坑深度學習的都知道！