深度学习的教材
机器学习与深度学习可以说是比较有门槛的计算机科学，因为不仅涉及到许多数学相关的理论，而且有大量编程相关的知识。在阅读了市面上大量的教材之后，我找到了一些学习来相对简单的材料，至少不会涉及到大量的数学和抽象的概念。
人工智能是一项非常有前景的技术，已经在很多领域有新的突破，特别是自动驾驶、聊天机器人等领域。对于一个喜欢技术应用的人来说，自然也会想去了解这项技术的原理，以及它带来的市场机会。
目前最流行的AI如Gemini，ChatGPT，Deepseek等都是属于深度学习(Deep Learning)的领域。深度学习是指采用神经网络算法的AI，属于机器学习(Machine Learning)的范畴。Machine Learning是人工智能的一个分支，主要是设计和分析一些让计算机可以自动“学习”的算法。Deep Learning专门指Machine Learning中的神经网络算法。
💡
由于神经网络算法是未来的主流，学习人工智能可以从Deep Learning开始，直接跳过传统的Machine Learning。
首先介绍一本写得特别好的书：Deep Learning with Python" by François Chollet。这本书的主要特点是以代码为中心，不会涉及特别多复杂的线性代数与概率论，因此对于数学基础不是很扎实的读者也适用。本书的作者是Keras的创建者，因此很多案例采用的Keras的库。Keras 是一个用Python编写的高级开源神经网络API，可大幅降低学习神经网络的复杂性。
以下是这本书的内容总结：
