- 大家好，我是FinTech社区创始人Lucy。 FinTech社区主要从事金融科技/量化投资/区块链招聘的社区
- 目前我们与电鸭合作，有大量区块链相关职位的招聘，有兴趣的可以关注我们的招聘帖子：https://eleduck.com/posts/pqfJRb
有招聘需求的企业也能够通过邮箱 dianya@fintechgl.com 联系我们哟！
1. Deep Learning
发布日期： 2015年
作者： Ian Goodfellow, Yoshua Bengio, Aaron Courville
推荐理由： 该书堪称是“卷积神经网络”和“深度学习”的圣经！**其大名如雷贯耳，你绝不应该错过！虽然本书作者认为该书普适于所有人，但笔者并不推荐零基础的新手或者初学者使用。理解吃透本书的理论并实际应用该书中的技巧，还需要读者做大量的额外学习和研究。如果你肯在书中的每一个细节上下功夫，我敢打保票，你会被书中传授的知识技巧惊艳到，并将大有所获，迅速进阶为卷积神经网络和深度学习领域内的大拿！
你将学到什么？ 该书包含详尽的数学工具及基本方程，从线性代数，到概率论，数论，再到机器学习；也包含新兴实用型的深度网络介绍，如前馈神经网络和卷积神经网络。**该书也覆盖了一系列神经网络研究所需的线性因素模型，自编码器，蒙特卡洛模型等，总之你所需了解的一切都包含在这本百科全书内。
2. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
发布日期： 2017年
作者： Aurelien Geron
推荐理由： 机器学习必买书籍！深层次地讲解了该领域内一系列话题。本书为0基础的初学者量身定制**，将为您科普机器学习的概念，知识点和编程应用，从数据中发现价值。
你将学到什么？ 在本书中，作者并未列举他所开发的算法，而是基于现有的成熟的Python编程平台，如Scikit-Learn及TensorFlow，进行机器学习领域全方位的科普。
3. Deep Learning with Python
发布日期： 2019年
作者： Ethan Williams
推荐理由： 本书可谓是**深度学习零基础和初学者的终极指南！**读者甚至不需拥有任何编程经验即可入门。它基于Python语言进阶式地教授深度学习基本概念，并包含详尽的案例，及课外练习等内容帮助读者快速熟悉该领域。
你将学到什么？ 大数据，数理分析，数据科学，AI，机器学习，算法，神经网络。
4. Deep Learning with Python
发布日期： 2017年
作者： François Chollet
相关网址：
http://faculty.neu.edu.cn/yury/AAI/Textbook/Deep Learning with Python.pdf
推荐理由： 该本书可谓是第三本荐书的进阶版，要看懂此书，读者需要具备基本的Python编程能力。本书最大的特点是它提供基于Python语言和Keras库的深度学习模型教学集，该书的作者是Google的AI天才科学家，也是Keras库的创始人！作者本人将实例和深入浅出的解释完美地融合在一起，大大升华读者对深度学习的理解和应用！
你将学到什么？ 全方位收获从机器学习基础到深度学习应用的知识和技巧，深度理解更复杂的概念，及其在机器视觉、自然语言处理、创成式设计的基于Keras库的运用。最终，你可以全副武装运用所学去创建开发自己的项目！
5. Introduction to Deep Learning: From Logical Calculus to Artificial Intelligence
发布日期： 2018年
作者： Sandro Skansi
推荐理由： 该书适用于有Python编程基础的初学者。**本书简洁明了，浅显易懂，在展开“深度学习”前对“机器学习”也做了相应科普，引导新手入门，并包含了“深度学习”领域内所有重要的话题：从神经网络学习，语言处理，反馈神经网络，数学先决条件到人工智能的演变史，十分详尽。该书最大的特点在于其基于Python的关于“主流算法”和“架构方案”的实例，简单直观，读者拿来即可实际运用。
你将学到什么？ 数学和计算机先决条件；机器学习基础；前馈神经网络；前馈神经网络的修正和拓展；卷积神经网络；递归神经网络；自编码器；神经语言模型。
6. Deep Learning for Computer Vision with Python – Starter Bundle
发布日期： 2017年
作者： Andrian Rosebrock
推荐理由： 本书并不适合初学者使用，是面向具有一定积累，经验层次不同的技术专家们。**本书将教大家如何使用深度学习做软件开发，自然语言处理，图形绘制，复杂数学计算运行，及机器视觉程序开发，是一本不可多得的教学类书籍。
你将学到什么？ 深度学习，图像科学，图像分类基础，图像分类数据集，参数学习，神经网络基础，卷积神经网络，训练第一个卷积神经网络，识别手写数字，评价调度程序，发掘欠拟合/过拟合，检查模型等一系列丰富而深入的内容。
