Andrew Trask（牛津大学博士生和 DeepMind 研究科学家）的书Grokking Deep Learning ，对神经网络底层的基本机制进行了精彩、简洁和简单的英语讨论 - 来自数据流向权重的更新。它的写作没有偏向于通常古怪的数学，提出了概念，然后以任何人都可以消化的速度推进。

这里还有一些可能有用的资源。

1. 神经网络：操场练习

2. 深度学习入门：卷积神经网络

3. 深度学习侧重于深度学习的实际方面

4. 深度学习的第一个实验室任务

5. 深度学习斯坦福

实际上有不少。我个人会说这些课程质量很高，而且非常注重实践：

• 斯坦福计算机视觉cs231。检查此页上的作业材料。本课程对神经网络和反向传播的一般工作原理进行了很好的解释/练习。
• Fastai课程笔记本。你也可以听讲座，但笔记本很独立
• 实用强化学习课程，如果您对 RL 的 NN 应用感兴趣

神经网络最著名的书籍之一是Raul Rojas的Neural Networks - A Systematic Introduction (1996) 。大多数章节以一系列练习结束，以测试您对材料的理解。例如，在第14 章随机网络中，其中一个练习是

使用玻尔兹曼机解决八皇后问题。手动定义网络的权重。

这应该让你对本书中的练习类型有所了解。