2025年了，有没有新的深度学习/强化学习入门课程/书籍值得推荐？
学习AI和学习任何计算机相关技能一样，实践永远是最好的老师，而且现在AI发展很快，书籍出版速度跟不上技术发展速度，所以，如果要看书，我推荐的还是偏于理论方面的书籍，因为近几年AI技术发展了很多，而理论上并无太大突破，更重要的是，理论是实践的基础，学好理论再实践才不会瞎寻摸。
AI理论相关的书我推荐清华大学出版社最近引进翻译的《理解深度学习》，英文原版《Understanding Deep Learning》出版于2023年，在AI理论相关书籍中，算是非常新的了。
正好我桌上有一本，就给大家介绍一下，顺便说一下如何确定一本讲AI的书的内容是否与时俱进。
首先，拿到一本书，直奔主题，看一遍目录，就知道书的内容覆盖了哪些方面，这本书呈现了非常完整的深度学习的知识结构。
《理解深度学习》这本书的前几章是这样：
- 第1章 引言
- 第2章 监督学习
- 第3章 浅层神经网络
- 第4章 深度神经网络
OK，到第4章就讲完了深度神经网络，说明进入主题很快，而且先讲了浅层神经网络，这种深度vs浅层对照的方式，还是第一次见，看得出作者的逻辑非常清晰。
- 第5章 损失函数
- 第6章 模型训练
- 第7章 梯度与参数初始化
- 第8章 性能评估
- 第9章 正则化
上面这些可以认为是书的第二部分，讲的具体而且基础的深度学习理论知识了，居然还有『参数初始化』这部分，实操深度学习训练是肯定需要考虑这方面的，但是看以前的书籍很少谈及这一部分。
然后是：
- 第10章 卷积网络
- 第11章 残差网络
- 第12章 变换器
- 第13章 图神经网络
这几张属于深度神经网络高阶架构（到来2025年可能不算高阶了）的介绍，对了，这个变换器就是Transformer，在2025年，判断一本书是不是old school可以就看有没有介绍Transformer，我一开始说这几年AI的理论没什么重大突破，可以认为，自从Transformer之后就没有可以比肩Transformer那样的重大突破，所以，看AI书一定要看有没有介绍Transformer的！
- 第14章 无监督学习
- 第15章 生成对抗网络
- 第16章 标准化流
- 第17章 变分自编码器
- 第18章 扩散模型
上面这几章，虽然是通用理论，但是更多应用在图像生成方面，在2025年，这些也是必须学习的AI理论知识，尤其是图像生成，变分自编码器(VAE)和扩散模型（Diffusion Model)必须要明白的。
- 第19章 强化学习
有这么一章介绍强化学习，我觉得也很合适，因为强化学习足够用一整本书来介绍了，这一章已经很全面地介绍到了Actor-Critic方法、离线强化学习这样的程度，很足够了。
- 第20章 为什么深度学习有效
- 第21章 深度额学习和理论
最后这两章，算是bonus了，一般的书不会跟进一步讲述这样哲学层面的事情，我读了这两章，感觉受益匪浅，很多以前觉得想当然的事情，比如模型的泛化能力是不是必然的，不怎么考虑过，看了之后才理解背后的理论证明，所以，最后这两章才是高阶的精华。
这本书目前按下面的链接购买五折优惠，感兴趣的朋友可以去看看。
这本书还有一个我特别喜欢的特点，就是图片非常生动，很复杂的过程，图片辅助文字讲得很清楚。
其实AI的理论知识并没有那么复杂，看完这本书之后你更能感受到，整个深度神经网络的体系清清楚楚明明白白，按照这本书的脉络去学习，再去实践的话，一切都很好理解。