“機(jī)器學(xué)習(xí)：計(jì)算機(jī)無需專門編程即可從經(jīng)驗(yàn)中學(xué)習(xí)。”
最近這十年以來，人工智能和機(jī)器學(xué)習(xí)已經(jīng)獲得了廣泛的關(guān)注，每個(gè)人都希望成為這一變化的一部分。企業(yè)希望掌握該技術(shù)的優(yōu)勢，而專業(yè)人士則對(duì)機(jī)器學(xué)習(xí)的強(qiáng)大能力著迷，并渴望提高自己的技能。
無論如何，始終都需要一個(gè)起點(diǎn)，選擇一本好書，仔細(xì)地閱讀，可以從中學(xué)到關(guān)于人工智能相關(guān)技術(shù)。無論你的技能是什么，你總能找到適合的書籍，無論是技術(shù)愛好者還是菜鳥。因此，推薦12本在2020年，最值得深入閱讀的人工智能專業(yè)書籍，其中很多書籍在我們的公眾號(hào)“深度學(xué)習(xí)與NLP”中都有免費(fèi)pdf下載。
在本文中，將簡要介紹一些最佳書籍，這些書籍可以幫助你了解機(jī)器學(xué)習(xí)的概念，并指導(dǎo)你成為該領(lǐng)域內(nèi)的專家。此外，只要你熟悉編程語言的基礎(chǔ)知識(shí)，這些書就可以為你帶來很多啟發(fā)和靈感，包括創(chuàng)意和創(chuàng)新。
1. machine Learning for Absolute Beginners: A Plain English Introduction
作者：Oliver Theobald
難度等級(jí)：初學(xué)者
如標(biāo)題所述，如果你是Machine Learning的初學(xué)者，那么這本書應(yīng)該是你的切入點(diǎn)。需要很少或幾乎沒有編碼 或數(shù)學(xué)背景，在這本書已經(jīng)全部概念解釋的很清楚。
實(shí)例后面是視覺效果，以友善的方式介紹主題，以了解ML的重要性。
Oliver Theobald在他的書中簡化了與ML相關(guān)的幾個(gè)復(fù)雜主題，例如其基礎(chǔ)知識(shí)，以及其他技術(shù)，例如數(shù)據(jù)清理，回歸分析，聚類，偏差，人工神經(jīng)網(wǎng)絡(luò)等。該書還提供了進(jìn)一步學(xué)習(xí)的其他資源。
2. Deep Learning
作者：Ian Goodfellow，Yoshua Bengio和Aaron Courville
難度等級(jí)：初學(xué)者
pdf中、英文版免費(fèi)下載地址：個(gè)人主頁點(diǎn)擊“私信”，回復(fù)關(guān)鍵字“dlnew20”獲取下載地址。
中文版購買鏈接：
深度學(xué)習(xí) 中文版￥127.68
購買
作為一本非常適合初學(xué)者的書，它向你介紹了有關(guān)深度學(xué)習(xí)的廣泛主題，同時(shí)還涵蓋了機(jī)器學(xué)習(xí)的相關(guān)方面。
本書從頭開始全面解釋了DL的基本概念，以在該領(lǐng)域中扎實(shí)基礎(chǔ)。這本書解釋了線性代數(shù)，概率和信息論，數(shù)值計(jì)算，行業(yè)標(biāo)準(zhǔn)技術(shù)（例如優(yōu)化算法，卷積網(wǎng)絡(luò)，計(jì)算機(jī)視覺）以及研究主題（例如蒙特卡洛方法，分區(qū)函數(shù)）的相關(guān)概念。捆綁了足夠的補(bǔ)充材料，以進(jìn)行更深入的了解。
3. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems (First/Second Edition)
作者：Aurelien Geron
難度等級(jí)：初學(xué)者
中文版、英文版pdf免費(fèi)下載地址：個(gè)人主頁點(diǎn)擊“私信”，回復(fù)關(guān)鍵字“hd2020”獲取下載地址。
中文版購買鏈接：
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)￥95.2
購買
對(duì)于打算從機(jī)器學(xué)習(xí)或該領(lǐng)域的愛好者開始的任何人來說，這無疑是最暢銷的書之一。要求具備Python編程語言的先驗(yàn)知識(shí)，它解釋了一些用于構(gòu)建智能系統(tǒng)的ML庫Scikit-Learn，Keras和TensorFlow 2。
直觀解釋的概念和易于實(shí)現(xiàn)的示例可實(shí)現(xiàn)更流暢的實(shí)際實(shí)現(xiàn)和理解。涉及主題包括支持向量機(jī)，隨機(jī)森林，神經(jīng)網(wǎng)絡(luò)，深度強(qiáng)化學(xué)習(xí)，急切執(zhí)行，時(shí)間序列處理等。本書包含一些庫和相關(guān)API的更新代碼示例。
補(bǔ)充：你還可以在GitHub上（
https://github.com/goodfeli/dlbook_exercises）找到包含幻燈片（
http://www.deeplearningbook.org/lecture_slides.html）和練習(xí) （
http://www.deeplearningbook.org/exercises.html）的講座。
4. Machine Learning (in Python and R) For Dummies
作者：John Paul Mueller和Luca Massaron
難度等級(jí)：初學(xué)者
中文版購買鏈接：
機(jī)器學(xué)習(xí)之路￥52.54
購買
著名的“傻瓜”系列中的所有書籍都非常適合新手使用。像本系列叢書中的其他書籍一樣，本書的概念布局也使讀者容易理解。
本書包括ML入門概念和理論，以及所涉及的工具和編程語言。本書涵蓋的主題從在windows，linux和macOS上安裝R開始，然后是Matrix Creation，使用Vectors和Data Frames，使用RStudio或Anaconda使用R或Python進(jìn)行編碼。它是有關(guān)數(shù)據(jù)挖掘和分析的基本概念的便捷指南。
“作為一種學(xué)習(xí)，它類似于人類用來確定某些對(duì)象或事件來自同一類的方法，例如通過觀察對(duì)象之間的相似度。” ― 約翰·保羅·穆勒
5. Machine Learning in Action
作者：彼得·哈靈頓
難度等級(jí)：初學(xué)者
中文版購買鏈接：
工業(yè)機(jī)器學(xué)習(xí)算法￥51.8
購買
一本有價(jià)值的書，旨在為開發(fā)人員提供機(jī)器學(xué)習(xí)所需技術(shù)的動(dòng)手經(jīng)驗(yàn)。這是一本同樣重要的書，盡管需要具有Python的先驗(yàn)經(jīng)驗(yàn)，但熟悉ML相關(guān)的Python代碼。
本書包含用于統(tǒng)計(jì)數(shù)據(jù)處理，數(shù)據(jù)分析和數(shù)據(jù)可視化的各種算法的代碼，以及諸如分類，預(yù)測，建議，簡化等任務(wù)。用最少的理論，這本書直接介紹了這些算法的實(shí)際實(shí)現(xiàn)。
6. Pattern Recognition and Machine Learning（PRML）
作者：Christopher M. Bishop
難度等級(jí)：中級(jí)
Github倉庫： —
https://github.com/ctgk/PRML
pdf中文、英文版免費(fèi)下載地址：個(gè)人主頁點(diǎn)擊“私信”，回復(fù)關(guān)鍵字“20prml”獲取下載地址。
本書面向具有模式識(shí)別和機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的人，假定讀者具有一定程度的多元微積分和代數(shù)知識(shí)。
本書中的概念旨在解釋ML領(lǐng)域中基礎(chǔ)算法和技術(shù)的最新發(fā)展。本書涵蓋了廣泛使用的主題，例如貝葉斯方法，回歸，分類，神經(jīng)網(wǎng)絡(luò)，圖形模型，采樣方法等，非常適合理解ML，統(tǒng)計(jì)，計(jì)算機(jī)視覺和挖掘。這本書完全堆砌在一起，包括各種練習(xí)和其他材料。
7. An Introduction to Statistical Learning (with Applications in R)
作者：Gareth James，Daniela Witten，Trevor Hastie和Robert Tibshirani
難度等級(jí)：中級(jí)
盡管需要一些線性回歸的先驗(yàn)知識(shí)，但這本書還是理解統(tǒng)計(jì)學(xué)習(xí)概念的絕佳工具。通過提供有關(guān)如何利用大型和復(fù)雜數(shù)據(jù)集的平衡見解，其目的是教育廣泛的統(tǒng)計(jì)學(xué)家和非統(tǒng)計(jì)學(xué)家，并使他們能夠理解手中的數(shù)據(jù)。
它涵蓋了統(tǒng)計(jì)學(xué)習(xí)的幾個(gè)重要概念，例如線性回歸，分類，基于樹的模型，支持向量機(jī)，重采樣方法等。各種示例和教程使學(xué)習(xí)過程更加愉快，并且其中包括多個(gè)R labs，以演示這些統(tǒng)計(jì)方法的實(shí)現(xiàn)。
8. Applied Predictive Modeling
作者：Max Kuhn和Kjell Johnson
難度等級(jí)：中級(jí)
作為許多預(yù)測建模概念的出色參考書，這本書需要對(duì)統(tǒng)計(jì)，R編程語言和機(jī)器學(xué)習(xí)概念有深入的了解。作者專注于解釋數(shù)據(jù)收集，操縱和轉(zhuǎn)換過程，因?yàn)檫@在ML書籍中經(jīng)常被忽略。
本書的應(yīng)用性質(zhì)使其成為分析行業(yè)面臨的實(shí)際問題的絕佳選擇。讀者可以深入研究數(shù)據(jù)的預(yù)處理，拆分和模型調(diào)整，然后進(jìn)行回歸，分類，處理類不平衡，選擇預(yù)測變量。
9. Machine Learning for Hackers: Case Studies and Algorithms to Get You Started
作者：Drew Conway和John Myles
難度等級(jí)：中級(jí)
就像標(biāo)題所說的那樣，本書不適合黑客使用，而是適合那些對(duì)動(dòng)手案例研究感興趣的人。本書要求有很強(qiáng)的編程背景，旨在通過驅(qū)動(dòng)機(jī)器學(xué)習(xí)的算法來訓(xùn)練你。各個(gè)章節(jié)集中討論了ML中的每個(gè)問題，例如分類，優(yōu)化，預(yù)測和建議。
這本書還訓(xùn)練你使用R語言，以及如何分析數(shù)據(jù)集并開始編寫簡單的ML算法。它與其他書籍不同的一個(gè)重要差異是對(duì)數(shù)學(xué)的依賴低。
10. Programming Collective Intelligence: Building Smart Web 2.0 Applications
作者：Toby Segaran
難度等級(jí)：中級(jí)
假設(shè)你知道Python，這本書被許多人認(rèn)為是機(jī)器學(xué)習(xí)的最佳指南，它更愿意教你ML的實(shí)現(xiàn)。它包括創(chuàng)建用于訪問網(wǎng)站上的數(shù)據(jù)集的算法和程序，自行收集數(shù)據(jù)以及分析和利用數(shù)據(jù)的步驟。
本書將向你介紹ML和統(tǒng)計(jì)信息，其中包括爬蟲，索引器，優(yōu)化，PageRank算法，過濾技術(shù)，決策樹的示例。本書旨在按照你的步調(diào)逐步指導(dǎo)你完成算法的整個(gè)過程，因此出色地完成了其工作。
11. The Elements of Statistical Learning: Data Mining, Inference, and Prediction
作者：Trevor Hastie，Robert Tibshirani和Jerome Friedman
難度等級(jí)：專家
本書側(cè)重于概念，而不是概念背后的數(shù)學(xué)。它收集了有關(guān)在多個(gè)部門實(shí)施統(tǒng)計(jì)學(xué)習(xí)的大量想法。充斥著相關(guān)的示例和可視化內(nèi)容，它應(yīng)該是任何統(tǒng)計(jì)學(xué)家或數(shù)據(jù)挖掘愛好者的圖書館中必不可少的部分。
本書涵蓋有監(jiān)督和無監(jiān)督的學(xué)習(xí)，包括支持向量機(jī)，分類樹，神經(jīng)網(wǎng)絡(luò)，Boosting，集成方法，圖形模型，光譜聚類，最小角度回歸和路徑算法等主題。
12. Python Machine Learning
作者：塞巴斯蒂安·拉施卡（Sebastian Raschka）和瓦希德·米哈利利（Vahid Mirjalili）
難度等級(jí)：專家
假設(shè)你已經(jīng)對(duì)Python和機(jī)器學(xué)習(xí)的許多核心概念有深入的了解，那么本書將直接介紹這些概念的實(shí)際實(shí)現(xiàn)。本書中的概念包括有關(guān)NumPy，Scikit學(xué)習(xí)，TensorFlow2和SciPy的最新解釋。這本書通過向你介紹行業(yè)中面臨的現(xiàn)實(shí)挑戰(zhàn)，為你準(zhǔn)備應(yīng)對(duì)現(xiàn)實(shí)挑戰(zhàn)。它包括各種主題，例如降維，集成學(xué)習(xí)，回歸和聚類分析，神經(jīng)網(wǎng)絡(luò)等。
最終，分類器的性能，計(jì)算能力以及預(yù)測能力在很大程度上取決于可用于學(xué)習(xí)的基礎(chǔ)數(shù)據(jù)。訓(xùn)練機(jī)器學(xué)習(xí)算法涉及的五個(gè)主要步驟可以概括如下：特征選擇。選擇性能指標(biāo)。選擇分類器和優(yōu)化算法。評(píng)估模型的性能。調(diào)整算法。” ― Sebastian Raschka，Python機(jī)器學(xué)習(xí)
結(jié)論
在這些瞬息萬變的時(shí)代，緊跟這些進(jìn)步并不斷提高自己的技能是必須的。關(guān)于機(jī)器學(xué)習(xí)和相關(guān)技術(shù)，有數(shù)百本書，指南和其他在線資源可用。機(jī)器學(xué)習(xí)起初可能會(huì)令人吃驚，這就是為什么我們?cè)诒疚闹懈攀隽耸咀钍軞g迎的書，希望其中一些能夠引起你的興趣。
往期精品內(nèi)容推薦：個(gè)人主頁點(diǎn)擊“私信”，回復(fù)關(guān)鍵字“his”獲取文章內(nèi)容。
NLP必讀圣經(jīng)《自然語言處理綜述》2020最新版免費(fèi)分享
DeepMind20年DL課程（帶字幕）-CNN與圖像識(shí)別
神經(jīng)網(wǎng)絡(luò)視頻/圖像渲染相關(guān)經(jīng)典論文、項(xiàng)目、數(shù)據(jù)集等資源整理分享
文本分類智能標(biāo)注與海量復(fù)雜文本分類——EasyDL產(chǎn)業(yè)應(yīng)用系列·信息智能處理NLP公開課實(shí)錄
-2020年NLP所有領(lǐng)域最新、經(jīng)典、頂會(huì)、必讀論文整理分享
加州理工《數(shù)據(jù)驅(qū)動(dòng)算法設(shè)計(jì)》課程(2020)視頻及ppt分享
伯克利-《神經(jīng)技術(shù)導(dǎo)論課程2020（帶字幕）》課程視頻及ppt分享
斯坦福大學(xué)《分布式算法與優(yōu)化》課程(2020)視頻及ppt免費(fèi)分享
2020年免費(fèi)新書-《自然語言處理中詞向量表示算法概述》分享
短小精悍-機(jī)器學(xué)習(xí)核心概念、模型、基礎(chǔ)知識(shí)點(diǎn)簡明手冊(cè)-免費(fèi)分享
李宏毅-深度學(xué)習(xí)(2020)-2-DL與人類語音處理技術(shù)概述
DeepMind 2020年新課-《強(qiáng)化學(xué)習(xí)進(jìn)階課程》視頻分享
NLP、CV、語音相關(guān)AI算法工程師面試問題、代碼、簡歷模板、知識(shí)點(diǎn)等資源整理分享
學(xué)術(shù)論文寫作精典-《如何撰寫優(yōu)秀科研論文》書籍分享
多任務(wù)學(xué)習(xí)(Multitask-Learning)相關(guān)資料、經(jīng)典論文、開源代碼整理分享
