近年来，数据科学和数据挖掘越来越热门，许多人对神经网络和深度学习十分感兴趣，该主题下的书籍也呈现出爆炸式增长，判断一本书对你是否有用的方法就是看看其他人在看什么书？
本文我们罗列了截止2019年3月7日亚马逊神经网络类图书中***的10本书，希望对大家的选择有所帮助
1、《机器学习实战：基于Scikit-Learn和TensorFlow》
本书主要分为两个部分。***部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章，探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
2、《Python深度学习》
本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。曾获得豆瓣满分10分的好评
3、《The Book of Why》
这是一本非常好的计算机科普读物，由图灵奖获得者Judea Pearl执笔，展示了理解因果关系如何彻底改变科学并将革新人工智能
4、《Python神经网络编程》
本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解。
5、《***算法》
作者指出机器学习五大学派，每个学派都有自己的主算法，能帮助人们解决特定的问题。而如果整合所有这些算法的优点，就有可能找到一种“***算法”，该算法可以获得过去、现在和未来的所有知识，这也必将创造新的人类文明。
6、《Python机器学习》
本书向读者介绍了机器学习和深度学习算法，并向你展示了如何将书中的实例方法运用于实际工作中，通过这本书你不仅可以了解了解数据科学，机器学习和深度学习中的关键框架，还能学会使用TensorFlow库掌握深度神经网络实现
7、《Learning From Data》
这本书是为机器学习的短期课程而设计的。它可以帮助打下一个良好的数据科学基础，书中很好地平衡了理论和实践的占比。
8、《增强人类》
本书对人类的未来具有深刻的洞察力，鼓舞人心并且态度严谨，是你想象和创造新现实的指南。对于想要了解新方向和下一步未来的人来说，这是一本必读书籍。
9、《Machine Learning with Python 》
本书主要介绍如何使用Python和Scikit-learn库开发成功的机器学习应用程序，通过本书，你将学到机器学习相关的重要概念和实际应用，***的机器学习算法的优缺点等
10、《MATLAB Deep Learning》
在这本书中，你从机器学习基础开始，然后继续学习神经网络，深度学习，然后是卷积神经网络。全书使用使用MATLAB作为底层编程语言和工具，用于本书的示例和案例研究。
