点击文件名下载附件 https://mbb.eet-china.com/forum/topic/68951_1_1.html
MIT的深度学习课程第一课《深度学习基础》，内容包括
- 概述
- 了解深度学习，度学习思想以及工具的历史
- 了解TensorFlow，TensorFlow简单示例
- 深度学习本质是什么
- 为什么要用深度学习，何时该用深度学习
- 监督学习面临的挑战
- 关键的底层概念
- 高阶方法
- 走向通用人工智能


深度学习教材：《Deep Learning》中英文版
初学入门深度学习非常好的资料，从入门到系统的了解，推荐。由Ian Goodfellow 、Yoshua Bengio和Aaron Courville花了2年半时间完成的《深度学习》教科书，Ian Goodfellow 是Google Brain团队的资深研究科学家，Yoshua Bengio是蒙特利尔大学的计算机科学教授，Aaron Courville是蒙特利尔大学的计算机科学助理教授。
https://mbb.eet-china.com/forum/topic/60795_1_1.html
Deep Learning官网HTML版本地址
Github上英文版PDF
中文HTML版
中文PDF版
目录
第一章 前言
第二章 线性代数
第三章 概率与信息论
第四章 数值计算
第五章 机器学习基础
第六章 深度前馈网络        
第七章 深度学习中的正则化
第八章 深度模型中的优化
第九章 卷积网络
第十章 序列建模：循环和递归网络
第十一章 实践方法论
第十二章 应用
第十三章 线性因子模型
第十四章 自编码器
第十五章 表示学习
第十六章 深度学习中的结构化概率模型
第十七章 蒙特卡罗方法
第十八章 面对配分函数
第十九章 近似推断
第二十章 深度生成模型

“深度学习”学习完全指南
https://mbb.eet-china.com/forum/topic/42135_1_1.html
一位博士生在学习ML时看的论文和学习笔记（完整列表）
https://github.com/yassouali/ML_paper_notes

资料：《深度学习 500 问》
GitHub 上获得近两万 Star 的深度学习书籍——《深度学习 500 问》
深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，近30万字。
传送门：  https://github.com/scutan90/DeepLearning-500-questions

《深度学习入门：基于Python的理论与实现》
https://mbb.eet-china.com/download/20060.html
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，从零创建一个经典的深度学习网络，在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。

Tensorflow 实战Google深度学习框架(完整版)  
https://pan.baidu.com/s/1KWE-nG7i00dvOe3_nfR9-g
《TensorFlow：实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。适读人群 ：对人工智能、深度学习感兴趣的计算机相关从业人员，想要使用深度学习或TensorFlow 的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、机器学习感兴趣的在校学生，希望找深度学习相关岗位的求职人员，等等。