AI入门必读！小白如何入坑深度学习？

之前给大家更新了各国文学史和科幻史，上周介绍了断代史推荐，这周先后介绍了中国通史和全球史书单，今天直接横跨到我自己的专业，聊聊深度学习的学习路线书单，有哪些推荐书籍，这篇文章主要面向的是有一定数学和编程基础、泛AI方向的本科生/研究生。

01 《统计学习方法》

今天已经进入到大模型时代，每天都有各种各样花里胡哨包装后的新术语出现，很多人可能直接开始学习LLM大模型，但我依然推荐想要打好基础的盒友先从《统计学习方法》这本书入门，现在已经更新到第二版，介绍了感知机、k近邻、朴素贝叶斯、决策树、Logistic回归、SVM、AdaBoost、EM算法、HMM、条件随机场等经典算法，每种方法均从实例引入，结合严格的数学推导阐明原理，适合有线性代数、概率论基础的本科生/研究生入门，第二版还加了不少无监督学习章节，可以搭配清华大学袁春教授制作的22章配套PPT一起享用。

02 《统计学习导论》

《统计学习导论：基于R应用》这本书其实是经典教材ESL的入门版本，书中内容和上面李航这本书重合度很高，但是这本书弱化数学理论推导，多了很多实践应用，对编程基础不强、商科等其他学科想转AI的人很不错，R语言也非常友好，就是翻译太差劲，有条件可以直接看原版。

03 《机器学习》

南大周志华教授的这本《机器学习》我在16年刚出版时就拿到了，俗称西瓜书，在16年时确实是为数不多中国学者出的入门教材，但是西瓜书问题其实不少，比如SVM、决策树章节数学推导省略不少关键步骤，符号使用不规范，西瓜书覆盖面广但不够深入，给本科生作为入门读起来会比较懵逼，可以搭配另一本南瓜书阅读，机器学习课程比较有名的是吴恩达的CS229，B站上也有搬运的课程视频，这门课也是比较注重理论，需要具备基本的数学基础，如果想要轻松一点可以看吴恩达Coursera上的Machine Learning课程。

04 《机器学习实战》

上面几本多为机器学习的理论推导，接下来这本是机器学习实战型教材，前面四章是给机器学习做大体的定义，介绍模型开发全流程、Scikit-Learn实战，5-10章是传统机器学习进阶实战，介绍监督学习和无监督学习算法，11-19章是深度学习和工程实战，主要是引入深度学习框架TensorFlow和Keras，后面20-22章介绍强化学习、生成式模型，这本书优点是学习曲线很不错，可以快速上手实战，搭配上面《统计学习方法》/《机器学习》这类理论类书籍构建完整知识体系，缺点是现在已经2025年了，后面几章的内容显得太单薄，作为入门还是不错的实战书。

05 《机器学习基石》

林轩田教授的《机器学习基石》是机器学习领域的经典入门课程，教材用的是《Learning From Data》这本书，B站上也有完整的课程录像，兼具理论推导和开源习题代码，非常适合想要老老实实打基础的学生，另外李宏毅教授的《机器学习》课程也是面向入门者，很多人可能听过他的网课，我是线下在NTU选修了这门课，李宏毅更侧重深度学习和前沿技术，经常会使用宝可梦、凉宫春日这些案例来简化复杂理论、降低理解门槛，感兴趣也可以看看。

06 《深度学习》

花书我是16年底拿到的英文版，17年出了中文版，翻译确实极其差劲，这本书比上面几本都要厚得多，真正读起来就更难了，打个比方我之前几天推荐了一些文学和历史学的大部头，虽然晦涩但至少还是能读懂，但是花书要求比较高，线代、概率论、数值计算都是基础要求，上面几本统计方法和机器学习也要有一个大致的了解，再才能开始阅读花书。前面五章基本全是数学和机器学习基础内容，6-14章介绍基础模型和经典的神经网络，15-20章属于进阶内容，介绍玻尔兹曼机、VAE和GAN这些生成模型，这本书全书没有代码示例，适合深入理解深度学习的博士生/科研人员，另外数学/物理背景强的转AI，这套书可以作为理论入门书籍。

07 《动手学深度学习》

李沐老师这本《动手学深度学习》也是开源书籍有完整的电子版，19年我拿到后也是第一时间就写了书评，优点是可以直接用Jupyter Notebook，结合理论、代码和运行结果可以更直观去学习深度学习，后面沐神还更新了PyTorch版本，也是一本理论+实战的好书。

08 《从零构建大模型》

关于大模型相关的专业书籍还是非常少的，想要入门可以直接看论文，有时间我再写几期入门应该看哪些论文。这本书是UW-Madison教授塞巴斯蒂安·拉施卡写的，一上来就是直接介绍Transformer架构、Self-Attention机制这些大模型基础理论，如果你明确想要入门LLM，然后又希望看书，可以学学这本书。

09《GPT图解》

如果你是2025年开始入门深度学习的，可能不了解过去十多年深度学习的发展历程。这本书是咖哥写的，虽然书名是GPT图解，但是基本介绍了从深度学习到NLP，再到GPT大模型的发展史，配套代码简单易懂，适合快速建立直观认知。

10 Andrej Karpathy

Karpathy堪称大模型领域的活菩萨，我在AI编年史系列有一期是专门讲他的故事，Karpathy一个视频差不多2个多小时，入门可以看《Intro to LLM》和《Deep Dive》这两个视频，从Transformer架构、自注意力机制到预训练、微调、RLHF等全流程均有详解，另外还有复现GPT-2这种系列视频，直接从零手搓大模型，也是非常不错的学习资料。

11 尾声

由于时间关系，介绍以上10个小节，还有很多不错的书大家可以评论区补充，本文大致是按照统计学习→机器学习→深度学习→NLP→LLM这个方向渐进式入门，每个领域推荐两本书，一本偏向理论推导，一本偏向实践，看完这些书，可基本上也算已经入门，细分的研究方向还有很多很多的顶会论文要看，大家如果需要我可以继续更新各个子方向从入门到进阶的论文~

菲尔兹奖——破解世纪难题，数学家王虹有望获奖！

DeepSeek——最新论文解读，梁文锋大佬亲自署名！

DeepSeek——创始人硕士学位论文赏析 [精读]

深度学习入门——图灵奖AI三巨头

AI编年史——深度学习的发展史（收藏向）

AI编年史2——GPT是如何诞生的？

AI学术巨佬——何恺明，从游戏中获得论文灵感

AI领军人物——孙剑，重剑无锋的经典之作

AI传奇巨佬——汤晓鸥，中国人工智能领袖人物！

AI女神李飞飞——从成都七中，到顶级AI科学家！

AI教父辛顿——一文带你了解机器学习，AI教父的成长史！

图灵奖——强化学习之父获图灵奖，启发AlphaGo和GPT诞生！