今天給大家介紹一本非常好的深度學習入門書籍，就是《Neural Network and Deep Learning》，中文譯為《神經網絡與深度學習》。這是一本解釋人工神經網絡和深度學習背後核心思想的免費線上書籍。書籍線上位址： http://neuralnetworksanddeeplearning.com/about.html 該書的作者是來自 Y Combinator Research 的研究員 Michael Nielsen，他也是⼀位量⼦實體學家、科學作家、計算機程式設計研究⼈員。他的個人首頁是： http://michaelnielsen.org/
書籍介紹
這是我個人以為目前最好的神經網絡與機器學習入門資料之一。内容非常淺顯易懂，很多數學密集的區域作者都有提示。全書貫穿的是 MNIST 手寫數字的識别問題，每個模型和改進都有詳細注釋的代碼。非常适合用來入門神經網絡和深度學習！
全書共分為六章，目錄如下：
- 第一章：使用神經網絡識别手寫數字
- 第二章：反向傳播算法如何工作
- 第三章：改進神經網絡的學習方法
- 第四章：神經網絡可以計算任何函數的可視化證明
- 第五章：深度神經網絡為何很難訓練
- 第六章：深度學習
《Neural Network and Deep Learning》這本書的⽬的是幫助讀者掌握神經⽹絡的核⼼概念，包括現代技術的深度學習。在完成這本書的學習之後，你将使⽤神經⽹絡和深度學習來解決複雜模式識别問題。你将為使⽤神經⽹絡和深度學習打下基礎，來攻堅你⾃⼰設計中碰到的問題。
本書⼀個堅定的信念，是讓讀者更好地去深刻了解神經⽹絡和深度學習，如果你很好了解了核⼼理念，你就可以很快地了解其他新的推論。這就意味着這本書的重點不是作為⼀個如何使⽤⼀些特定神經⽹絡庫的教程。僅僅學會如何使用庫，雖然這也許能很快解決你的問題，但是，如果你想了解神經⽹絡中究竟發⽣了什麼，如果你想要了解今後⼏年都不會過時的原理，那麼隻是學習些熱⻔的程式庫是不夠的。你需要領悟讓神經⽹絡⼯作的原理。
GitHub項目
作者在公開這個線上書籍的同時也開源了配套的示例代碼，放置在 GitHub 上，位址如下：
https://github.com/mnielsen/neural-networks-and-deep-learning
有點缺憾的是作者 Nielsen 提供的代碼是基于 Python 2.6/2.7 的。不過有位作者 Michal Daniel Dobrzanski 使用 Python 3 複現了該書的所有代碼！GitHub 位址為：
https://github.com/MichalDanielDobrzanski/DeepLearningPython35有了線上書籍和代碼，可以愉快地學習了！
但不止如此！
中文翻譯
最近，筆者發現有人對這份英文版的線上書進行了翻譯，并整理成更易閱讀的 pdf 檔案，共 207 頁。譯者為 Xiaohu Zhu 和 Freeman Zhang。
我們來看一下中文版的目錄：
我看了一下，中文版的翻譯品質非常高！而且電子書的排版很好，自帶書簽，便于大家學習！
資源下載下傳
《Neural Network and Deep Learning》中英文電子版 pdf 已打包完畢。需要的請自行下載下傳，連結如下：
連結：
https://pan.baidu.com/s/1CtB6ThdgBiMVH6YBzcU8fQ提取碼：kjwx
溫馨提示：該書籍（包括中英文版）僅供學習交流使用，請勿用于任何商業用途！