阅读《深度学习》后，深受启发。书中介绍了深度学习的原理、应用和发展趋势，让我对人工智能有了更深入的理解。作者通俗易懂地解释了复杂的概念，使我对深度学习的学习和研究充满了信心和动力。这本书是一本值得推荐的科普读物。
深度学习读后感(一)
标准的国内高校出书，拉几个学生翻译，自己改一改就出版了。这个翻译真的是直译，比机翻好一些，有的语序都是英文原版的，看的非常费劲。内容方面倒是还行，相对来说比较容易入门。更推荐机械工业出版社的《神经网络与机器学习》这本书，在数学和公式推导方面更清楚，讲的也比较透彻，但是不太适合入门。
深度学习读后感(二)
这就是大名鼎鼎的花书了，本书从应用数学基础知识和机器学习的基本概念到业界经典的深度学习算法，由浅入深，但要求对计算机的基础知识、相关的图论及微积分等有相应的了解。对于初学者，不一定能全部读懂，但可以通过自身相关知识的不断积累来逐渐反复而深入的学习。对于相关的专业人士，也能从中获得大量宝贵的思想和经验。
深度学习读后感(三)
不知道中文翻译版和github上的中文翻译版一样不，个人觉得github上的中文翻译，翻译的不错。不过刚把前面数学部分看完。但对比了一下人民邮电的中文版，怎么才500页，而github上有700多页，难道是排版导致的吗。深度学习入门经典书籍，填补了这一块空白。前几章的数学基础，就介绍的相当不错，由于还没读完全书，待读完全书再做详细评论。不过从前几章就可以看出，这本书非常值得推荐。
深度学习读后感(四)
《深度学习》，又名“花书” 。我一直听说过它的大名AI圣经，但是一直看的都是别人的电子版材料，这次想支持一下本书的作者，感谢该作者帮助了我很多。总之，原书内容非常充实，接近 500 页。这本书内容很深很全面，可以说每页都是精华。但我认为本书的起点稍微高了一些，对数学理论基础知识要求的比较多。因此，读完之后，及时进行高度概括和经验总结是十分有帮助的。
深度学习读后感(五)
这本书写的是比较有深度的，堪称深度学习的圣经。只是中文版翻译的比较一般，part1和part2尚且可以一读，至于part3，不知道译者自己有没有理解原文内容，像是逐词直译，非常拗口。part3有时间的话拿英文版的出来看一看。
其中第一部分的数学和机器学习可以用来复习忘记的基础知识，第二部分则非常的实用，是工作中常用的东西，第三部分提出了一些比较深入的研究方向，覆盖内容比较多，所以这部分翻译起来也比较困难。
深度学习读后感(六)
20180502，《深度学习》 camer，2000/1040/1000，读《深度学习》，第1天（约30+分钟），P1-101： （这本书早就买了，很厚，很专业，我几乎不敢翻开，不过前面读了几本ai的书，“深度学习”都是关键词，绕不开的，哪怕是路人甲，也得旁观一二） 这本厚达500页的书，类似于教科书，做ai必读，我等门外汉不能深入细节，且对数学公式符号过敏，只能用关键字跳跃式阅读，尝试理解一些概念和他们之间的关系，其他细节一概略过，只远观不亵玩
深度学习读后感(七)
完整读了原版第一、二部分和翻译版的五到七章，始终觉得翻译版少了点什么东西。不否认译者团队的专业，也不否认译者团队的用心，但还是推荐阅读英文版。
仔细想了一下，这本书的特点不在于简练精确的罗列知识，而在于作者用凝神严谨的语言将自己对各个知识点深刻独到的见解表达出来，从而使读者对深度学习完成what-how-why一栈式的理解。这种只可意会不可言传的洞见更多地在原滋原味中才能更好地体现。
如果直接读原版比较困难，建议对照阅读。
深度学习读后感(八)
关于人工智能的书越来越多，但总的体量仍然还是少的，尤其是中文版的好书，每本都是珍贵的。这本由全球知名的3位专家 [美]伊恩·古德费洛,[加]约书亚·本吉奥,[加]亚伦·库维尔合著的《深度学习》， 是深度学习领域奠基性的经典教材 ，确实值得一看。 这是一本小白也可以看的深度学习书，作品深入浅出地从三个方面向读者介绍这个领域的知识。第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 读书还是要读最经典的，因为时间有限，我们不能每本书都读一遍。这本书是经过大家筛选的，较高质量的一本好书，可以读读。
深度学习读后感(九)
终于磕磕绊绊读完了，是我读的最纠结的书，总结一下感受。
第一个是书里面的推导真心不知道是给谁看的，有的时候很简单的步骤写上去然后跳跃几个比较难的步骤，基本没法跟下去。
第二个是逻辑不太通顺，这可能和翻译有关系，再就是缺乏必要的背景介绍，内容之间的连接比较少。比如15-19章看的那个痛苦啊，完全不知道介绍的这些数学啊，算法啊都是想干什么的有什么关联，但是到了最后一章就都用上了。如果先读第20章可能会好理解一点。
最后读书的时候只能把这本书当个索引，拿书里面的名词在网上找文章，了解得差不多再回过头来看书感觉勉强能看懂了。
该书讲的内容都很牛逼，很有用，很关键，但是表达方式实在不知道怎么形容了。。。
深度学习读后感(十)
大家要求别太高了，不怕不识货，就怕货比货，都是上交大师生翻译的，这本的质量超过了俞凯教授带人翻译的《强化学习导论》。至少中英语术语对照是有的，还给出了术语出现的页数，当深度学习百科索引也不是不可以。
最后说下组织翻译的两位教授的差异：
张志华偏向数学理论方向，对统计学学术工作很上心，博士后是跟Michael Jordan一起合作的，现在去了PKU数学系，他曾说过动手coding不急，需要把理论基础特别是数学基础打扎实，他对于机器学习的认识，有一篇著名博文。
俞凯教授是思必驰的创始人兼首席科学家，作为一个偏向于落地工业界应用的教授，对Sutton和Barto的书的引进，更像是他们实验室做的survey，让学生了解下强化学习，顺带发书。
风格不一样。
深度学习读后感(十一)
关于人工智能的书越来越多，但总的体量仍然还是少的，尤其是中文版的好书，每本都是珍贵的。这本由全球知名的3位专家 [美]伊恩·古德费洛,[加]约书亚·本吉奥,[加]亚伦·库维尔合著的《深度学习》， 是深度学习领域奠基性的经典教材 ，确实值得一看。
这是一本小白也可以看的深度学习书，作品深入浅出地从三个方面向读者介绍这个领域的知识。第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
读书还是要读最经典的，因为时间有限，我们不能每本书都读一遍。这本书是经过大家筛选的，较高质量的一本好书，可以读读。
深度学习读后感(十二)
这不是一本讲解代码的书籍，我发现这本书的负面评价主要来源于这本书将如何教读者快速入门机器学习、并提供代码。这本书不适合这种类型的读者。
如果你只是想学会编写人工智能的程序，请不用花时间在学习深度学习的工作原理上。这类似于你驾驶汽车，但是并不需要了解发动机的工作原理。作为一名有抱负并且专注于机器学习的学生，我买了这本书。
本书前五章的内容是可以长期参考的，这些内容在几十年前就已经建立了理论基础，每一章都会有一个快速回顾和总体概述，这些内容你在实践中会经常用到。第六章到第九章是深度学习的基础知识，虽然这两年AI高速发展，但是这些基础的原则和技术依然有效，这部分对于机器学习的深入很重要，这些稳定的知识必须得到内化。九章之后主要都是实验性的主题。
总的来说，这本书对我帮助很大，我没有很强的数学背景，本书涵盖的理论内容对我来说很有帮助。我强烈推荐本书。
深度学习读后感(十三)
这本书全面了介绍了深度学习的主要方面，包括基础的数学基知识和机器学习知识，深度学习的实践部分，以及深度学习的理论研究部分。全书组织结构清晰，由浅入深地循序渐进的介绍了深度学习的各个部分。实践部分包括了经典的CNN, RNN等神经网络，理论研究部分包括了经典的RBM，DBN等无监督神经网络，同时也包括了比较新潮的GAN，DCGAN等无监督神经网络。
当然，由于篇幅有限，某些部分讲解的不是太细致，需要读者自己再去品读其他补充资料，相关资料已在附录中给出，感觉非常棒。
最后，评价一下翻译，个人觉得，几位翻译作者的态度非常好，也非常认真，这点从他们把翻译的电子版在GitHub上开源出来就可以看出来，他们希望可以集结各种力量，使本书的翻译更好。具体来看，第一部分，翻译的很好。第二部分，6,7,8章翻译的感觉不是很好，有些句子不是太通顺，甚至有些句子，意思不太明确。不过还是相信翻译作者们是很认真的。如果他们经验再丰富几年，个人觉得他们会翻译的更好。其他后面的，个人觉得翻译的还算可以，大部分地方读起来比较清晰顺畅。综合评价，还是非常推荐这本中文翻译版的。
深度学习读后感(十四)
刚读到中文版5.3节，感觉机翻痕迹严重。
1. P76 最底下一行：“若测试集的误差很小”，原文为“Dividing the dataset into a fixed training set and a fixed test set can be problematic if it results in the test set being small” 不知道中文版的“误差”是怎么翻译出来的。
2. P77 算法5.1 第四行：“L 为损失函数，可视为来自学好的函数f，将样本 z^{(i)} ∈ D 映射到R中标量的函数"，原文为“L, the loss function, seen as a function from a learned function f and an example z(i) ∈ D to a scalar ∈ R"，这里的from和to应该是从...映射到...，“来自”显得特别别扭，整个句子不通顺
深度学习读后感(十五)
首先这本书不是面向一个初学者的，所以初学者想要学习深度学习，这里是不推荐这本书的的，可以从一些基础的视频课程或者别人的总结文档中开始。
大家都知道机器学习看西瓜书，深度学习看花书，这是要有一定的前提的。纵观《深度学习》整体上来说这本书的质量是相当不错的，不仅可以学到到很多深度学习相关的知识，关键的是这本书的写作思维可以“强迫”我们进行思考，这也是我们获取启发的来源。
虽然它名叫《深度学习》，但是从内容上来看包括概率论、贝叶斯方法以及几何知识。也就是说它包含了一些传统的机器(深度)方法，这很容易理解。很多在传统机器学习中适用的方法在深度学习中也依然很有用，但是呢从一些角度上来看书的详细程度还是不够友好的，可能作者认为拥有这本书的读者都是具备深度基本功底的，因此在一些技术的阐述上就一带而过了，不过这丝毫不影响它成为一本让人赞不绝口的作品。
个人学习这本书的一个方法是较真的，即每一章的内容我都做了大量的笔记，对于不明白的地方找其他的文献和资料进行补充，把书看厚，最后再把他看薄。
最后想说，在茫茫深度学习丛书中，《深度学习》花书是最闪亮的星。
