好，上一篇对深度学习的知识体系做了简单的梳理，让大家有个来龙去脉，学习路径清晰，这篇文章里系统介绍具体的书单。

学习路径：

深度学习预备知识=》深度学习算法=》深度学习框架=》强化学习=》其他学习方法

一、深度学习预备知识

预备知识还是数学知识，与人工智能和机器学习相关的数学知识之前也都有书单涉及到，所以这篇里简单选了两本，有需要的话可以选择，已经有学过的可以跳过。

1. 深度学习的数学(图灵出品)

2. 人工智能基础 数学知识(异步图书出品)

异步图书除了出版经典外国专著，会出版较为新的技术书籍，形式更加活泼，知识内容也足够新，大家可以关注。

二、深度学习

现来著名的“花书”了。

1. 深度学习(异步图书出品) [deep learning]

接下来也类似花书

2. 动手学深度学习(异步图书出品)

动手学系列

基于Python语言是深度学习的主流方向之一，学好Python很重要！（好用的深度学习的框架也不少基于Python）

3. 深度学习入门 基于Python的理论与实现（图灵出品）

三、深度学习框架

下面先来著名的“火蜥蜴”书

1. 机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第2版）

基本的深度学习常用的框架都接触到了，sklearn，keras，tensorFlow，很具有实用性。如果需要更深入的学习精通，需要再寻找专门的框架学习的书籍，更加详细的了解用法和实战。

还有一个基于Python的框架PyTorch，用起来更加灵活，所以逐渐为业内所喜爱。

2. PyTorch深度学习(异步图书出品)

下面是Keras

3. Keras深度学习实战(异步图书出品)

4. 详解深度学习 基于TensorFlow和Keras学习RNN(图灵出品)

专门针对TensorFlow的

5. TensorFlow深度学习——深入理解人工智能算法设计

6. 概率深度学习 使用Python、Keras和TensorFlow Probability

这个系列清华大学出版的也一直推荐。

四、强化学习

强化学习并不是深度学习的延伸，而是另一个分支，解决数据集自身学习发现模型的问题，类似于人自我成长，所以在机器人界很受欢迎，但是深度学习的方法也可以用于强化学习，用来提高强化学习的学习深度和能力，称之为深度强化学习。

先来一本手动学的

1. 动手学强化学习（异步图书出品）

再来专门较全面系统理论的：

2. 强化学习（第2版）(博文视点出品) [Reinforcement Learning]

下面是磨菇书：

3. Easy RL 强化学习教程(easyrl蘑菇书)(异步图书出品)

接着学习深度强化学习的理论：

4. 深度强化学习：基于Python的理论及实践

5. AI前沿深度强化学习与分布式机器学习 套装共2册

五、联邦学习及其他

联邦学习主要解决隐私计算问题：

1. 联邦学习：算法详解与系统实现

2. 联邦学习（全彩）(博文视点出品) [Federated Learning]

杨强教授的著作。

集成学习，周志华教授的又一力作：森林书

3. 集成学习：基础与算法 周志华教授专著森林书

接着是迁移学习，可以了解下：

4.【杨强 周志华推荐】迁移学习导论(博文视点出品)

然后是元学习，学习如何学习：

5. 元学习：基础与应用(博文视点出品)

最后需要掌握的就是目前很著名，应用很热门的GAN，生成对抗网络：

6. 生成对抗网络入门指南

7. 深入浅出GAN生成对抗网络 原理剖析与TensorFlow实践（异步图书出品）