深度學習是組成機器學習更廣泛主題的重要組成部分。它還是比較新的，它的受歡迎程度在不斷增長，所以人們希望閱讀和了解更多關於這個主題的知識。
這個系列包括關於深度學習的書籍。它首先是涵蓋整個主題的標題，然後才能幫助初學者將其知識從機器學習擴充套件到深度學習。該清單的最後是討論神經網路的書籍，這兩本書都介紹了這一主題，並進行了深入的介紹，其中涵蓋了這些網路的架構。
1.深度學習 作者：Ian Goodfellow、Yoshua Bengio和Aaron Courville
http://www.deeplearningbook.org
深度學習教材是一種資源，旨在幫助學生和從業者進入機器學習領域，特別是深度學習。這本書的線上版本現已完成，並將繼續免費線上提供。
2.深度學習教程 作者：蒙特利爾大學LISA實驗室
http://www.deeplearningbook.org
由蒙特利爾大學的LISA實驗室開發，簡潔的教程以書籍的形式呈現，探討了機器學習的基礎知識。本書強調使用Theano庫（最初是由大學自己開發的），用於在Python中建立深度學習模型。
3.深度學習：方法和應用 作者：李登和董宇
https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/DeepLearning-NowPublishing-Vol7-SIG-039.pdf
本書概述了一般深度學習方法及其在各種訊號和資訊處理任務中的應用。
4.首先使用TensorFlow，開始深度學習程式設計 作者：Jordi Torres
http://jorditorres.org/research-teaching/tensorflow/first-contact-with-tensorflow-book/
本書面向的工程師對機器學習只有一些基本的理解，他們希望通過使用TensorFlow的實踐方法來擴充套件他們在深度學習世界中的智慧。
5.神經網路和深度學習 作者：Michael Nielsen
http://neuralnetworksanddeeplearning.com/index.html
本書向您介紹了神經網路，這是一個生物啟發式程式設計範例，它使計算機能夠從觀測資料中學習，還涵蓋了深度學習，這是一套強大的神經網路學習技術。
6.神經網路簡介 作者：David Kriesel
http://neuralnetworksanddeeplearning.com/index.html
這個標題涵蓋了神經網路的深度。神經網路是資料處理的一種生物啟發機制，它使計算機能夠在技術上與大腦學習相似，甚至一旦教授足夠的問題例項的解決方案就可以推廣，有英文和德文版。
7.神經網路設計（第2版）作者：Martin T. Hagan、Howard B. Demuth、Mark H. Beale和Orlando D. Jess
http://neuralnetworksanddeeplearning.com/index.html
神經網路設計（第2版）提供了對基本神經網路體系結構和學習規則的清晰和詳細的調查。其中，作者強調了對主要神經網路及其訓練方法的基本理解。作者還討論了網路在模式識別、聚類、訊號處理和控制系統等實際工程問題中的應用。全文強調材料的可讀性和自然流動性。
8.神經網路和學習機（第三版）作者：Simon Haykin
https://cours.etsmtl.ca/sys843/REFS/Books/ebook_Haykin09.pdf
這本第三版Simon Haykin的書以全面、透徹和可讀的方式提供了對神經網路的最新處理，分為三部分。首先看看監督學習的經典方法，然後繼續研究基於徑向基函式（RBF）網路的核方法。本書的最後一部分致力於正規化理論，這是機器學習的核心。