掌握一個領(lǐng)域的知識需要系統(tǒng)的去學(xué)習(xí),只通過一本書所學(xué)到的知識是遠(yuǎn)遠(yuǎn)不夠的。此外,除了與該領(lǐng)域相關(guān)的技術(shù),對應(yīng)的產(chǎn)業(yè)發(fā)展也是格外重要。本文便以機(jī)器學(xué)習(xí)為例,由淺入深,并結(jié)合相關(guān)領(lǐng)域其它技術(shù)、產(chǎn)業(yè)等方面,為讀者推薦了豐富的書目資源。
一張“迷你地圖”,教你如何進(jìn)擊機(jī)器學(xué)習(xí)!
由圖可見,想要進(jìn)擊機(jī)器學(xué)習(xí),成為機(jī)器學(xué)習(xí)方面的專家,那么你需要從入門、深度學(xué)習(xí)、數(shù)據(jù)科學(xué)、R語言、Python、金融、專家級等多方面的書目,循序漸進(jìn)的進(jìn)行修煉。
話不多說,來看與機(jī)器學(xué)習(xí)相關(guān),最受歡迎的書目榜單Top10吧!
1、《Scikit-Learn 與 TensorFlow 機(jī)器學(xué)習(xí)實用指南》
英文書名:Hands-On Machine Learning with Scikit-Learn and TensorFlow
作者:Aurélien Géron
出版社:O'Reilly Media
這本書通過具體的例子、很少的理論以及兩款成熟的Python框架:Scikit—Learn和TensorFlow,幫助你掌握構(gòu)建智能系統(tǒng)所需要的概念和工具。你將會學(xué)習(xí)到各種技術(shù),從簡單的線性回歸到深度神經(jīng)網(wǎng)絡(luò)。每章的練習(xí)有助于你運用所學(xué)到的知識,你只需要有一些編程經(jīng)驗就行了。
從這本書你將學(xué)習(xí):
探索機(jī)器學(xué)習(xí)環(huán)境,特別是神經(jīng)網(wǎng)絡(luò)
使用scikit-learn跟蹤端到端的示例機(jī)器學(xué)習(xí)項目
探索幾種訓(xùn)練模型,包括支持向量機(jī)、決策樹、隨機(jī)森林和集合方法
使用TensorFlow庫構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)
深入研究神經(jīng)網(wǎng)絡(luò)架構(gòu),包括卷積網(wǎng)絡(luò),循環(huán)網(wǎng)絡(luò)和深度強化學(xué)習(xí)
學(xué)習(xí)訓(xùn)練和scaling深度神經(jīng)網(wǎng)絡(luò)的技巧
應(yīng)用實際代碼示例,而無需學(xué)習(xí)過多的機(jī)器學(xué)習(xí)理論或算法細(xì)節(jié)
2、《面向數(shù)據(jù)科學(xué)家的實用統(tǒng)計學(xué)》
英文書名:Practical Statistics for Data Scientists: 50 Essential Concepts
作者:Peter Bruce &Andrew Bruce
出版社:O'Reilly Media
很多數(shù)據(jù)科學(xué)資源包括了統(tǒng)計方法,但是欠缺具有深度的統(tǒng)計學(xué)視角。如果你熟悉R語言編程,也對統(tǒng)計學(xué)有所了解,這份快速參考將幫助你搭建易學(xué)可達(dá)的知識橋梁。
從這本書你將學(xué)到:
為什么探索性數(shù)據(jù)分析是數(shù)據(jù)科學(xué)的關(guān)鍵步驟
隨機(jī)抽樣如何減少偏差,并產(chǎn)生更高質(zhì)量的數(shù)據(jù)集,即使對于大數(shù)據(jù)也能如此
實驗設(shè)計原則如何有助于得到問題的最終答案
如何使用回歸來估計結(jié)果并檢測異常
用于預(yù)測一個record屬于哪個類別的關(guān)鍵分類技術(shù)
從數(shù)據(jù)中“學(xué)習(xí)”的統(tǒng)計機(jī)器學(xué)習(xí)方法
用于從未標(biāo)記數(shù)據(jù)中提取含義的無監(jiān)督學(xué)習(xí)方法
3、Python深度學(xué)習(xí)
英文書名:Deep Learning with Python
作者:Francois Chollet
出版社:Manning Publications
本書介紹使用Python語言和強大的Keras庫深入深度學(xué)習(xí)領(lǐng)域。本書由Keras作者、Google AI研究員Fran?ois Chollet撰寫,通過直觀的解釋和實際例子幫助讀者理解。你將在計算機(jī)視覺、自然語言處理和生成模型中應(yīng)用具有挑戰(zhàn)性的概念和實踐。當(dāng)學(xué)完本書時,你將擁有在自己的項目中應(yīng)用深度學(xué)習(xí)的知識和實踐技能。
從本書你將學(xué)習(xí):
深度學(xué)習(xí)的基本原則
建立自己的深度學(xué)習(xí)環(huán)境
圖像分類模型
文本和序列的深度學(xué)習(xí)
神經(jīng)風(fēng)格遷移、文本生成和圖像生成
4、《深度學(xué)習(xí)》
英文書名:Deep Learning
作者:Ian Goodfellow, Yoshua Bengio &Aaron Courville
出版社:The MIT Press
這本“花書”被認(rèn)為是名副其實的AI圣經(jīng)。《深度學(xué)習(xí)》由深度學(xué)習(xí)領(lǐng)域三位前沿、權(quán)威的專家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著,長期位居美國亞馬遜人工智能類圖書榜首,中文版在去年出版后更是賣到斷貨。
該書從淺入深介紹了基礎(chǔ)數(shù)學(xué)知識、機(jī)器學(xué)習(xí)經(jīng)驗以及現(xiàn)階段深度學(xué)習(xí)的理論和發(fā)展,它能幫助人工智能技術(shù)愛好者和從業(yè)人員在三位專家學(xué)者的思維帶領(lǐng)下全方位了解深度學(xué)習(xí)。
這是一本教科書,又不只是一本教科書,任何對深度學(xué)習(xí)感興趣的讀者,閱讀本書都會受益。
5、《用于數(shù)據(jù)分析的Python:Pandas,NumPy和IPython》
英文書名:Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython
作者:Wes McKinney
出版社:O'Reilly Media
本書由Python pandas項目的創(chuàng)建者Wes McKinney撰寫,是對Python中數(shù)據(jù)科學(xué)工具的實用介紹。對于剛接觸Python的分析師以及對數(shù)據(jù)科學(xué)和科學(xué)計算不熟悉的Python程序員來說,本書是理想的選擇。GitHub上提供了數(shù)據(jù)文件和相關(guān)資料。
閱讀本書你將學(xué)習(xí):
使用IPython shell和Jupyter notebook進(jìn)行探索性計算
學(xué)習(xí)NumPy中的基本功能和高級功能
學(xué)習(xí)使用pandas庫中的數(shù)據(jù)分析工具
使用靈活的工具加載、清理、轉(zhuǎn)換、合并和重塑數(shù)據(jù)
使用matplotlib創(chuàng)建信息可視化
將pandas groupby工具應(yīng)用于slice,dice塊和匯總數(shù)據(jù)集
分析和處理規(guī)則和不規(guī)則的時間序列數(shù)據(jù)
通過詳細(xì)示例了解如何解決實際的數(shù)據(jù)分析問題
6、《R 數(shù)據(jù)科學(xué)》
英文名稱:R for Data Science: Import, Tidy, Transform, Visualize, and Model Data
作者:Hadley Wickham、Garrett Grolemund
出版社:O'Reilly Media
本書的目標(biāo)是教會讀者使用重要的數(shù)據(jù)科學(xué)工具,從而為實施數(shù)據(jù)科學(xué)奠定堅實的基礎(chǔ)。 讀完本書后,你將掌握R語言的精華,并能夠熟練使用多種工具來解決各種數(shù)據(jù)科學(xué)難題。每一章都按照這樣的順序組織內(nèi)容:先給出一些引人入勝的示例,以便你可以整體了解這一章的內(nèi)容,然后再深入細(xì)節(jié)。本書的每一節(jié)都配有習(xí)題,以幫助你實踐所學(xué)到的知識。
本書適合R數(shù)據(jù)科學(xué)家閱讀。
7、《Python 數(shù)據(jù)科學(xué)手冊》
英文名稱:Python Data Science Handbook: Essential Tools for Working with Data
作者:Jake VanderPlas
出版社:O'Reilly Media
本書是對以數(shù)據(jù)深度需求為中心的科學(xué)、研究以及針對計算和統(tǒng)計方法的參考書。本書共五章,每章介紹一到兩個Python數(shù)據(jù)科學(xué)中的重點工具包。首先從IPython和Jupyter開始,它們提供了數(shù)據(jù)科學(xué)家需要的計算環(huán)境;第 2章講解能提供ndarray對象的NumPy,它可以用Python高效地存儲和操作大型數(shù)組;第3章主要涉及提供DataFrame對象的Pandas,它可以用Python高效地存儲和操作帶標(biāo)簽的/列式數(shù)據(jù);第4章的主角是Matplotlib,它為Python提供了許多數(shù)據(jù)可視化功能;第5章以Scikit-Learn為主,這個程序庫為重要的機(jī)器學(xué)習(xí)算法提供了高效整潔的Python版實現(xiàn)。
本書適合有編程背景,并打算將開源Python工具用作分析、操作、可視化以及學(xué)習(xí)數(shù)據(jù)的數(shù)據(jù)科學(xué)研究人員。
8、《Python 機(jī)器學(xué)習(xí)》
英文名稱:Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow
作者:Sebastian Raschka、Vahid Mirjalili
出版社:Packt Publishing - ebooks Account
機(jī)器學(xué)習(xí)正在吞噬軟件世界,而深度學(xué)習(xí)正在擴(kuò)展機(jī)器學(xué)習(xí)。 通過第二版Sebastian Raschka的暢銷書《Python機(jī)器學(xué)習(xí)》,可以了解并實現(xiàn)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的最前沿的知識。 本書使用最新的Python開源庫進(jìn)行了徹底的更新,提供了創(chuàng)建機(jī)器學(xué)習(xí),深度學(xué)習(xí)和現(xiàn)代數(shù)據(jù)分析所需的實用知識和技術(shù)。
從本書中,你將學(xué)到:
了解數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)鍵框架
使用在機(jī)器學(xué)習(xí)中Python最新的開源庫
使用具有挑戰(zhàn)性的真實數(shù)據(jù)探索機(jī)器學(xué)習(xí)技術(shù)
使用TensorFlow庫掌握深度神經(jīng)網(wǎng)絡(luò)
了解分類算法的機(jī)制,以實現(xiàn)最佳工作
使用回歸分析預(yù)測連續(xù)目標(biāo)結(jié)果
通過聚類發(fā)現(xiàn)數(shù)據(jù)中的隱藏模式和結(jié)構(gòu)
使用情緒分析深入挖掘文本和社交媒體數(shù)據(jù)
9、《Python袖珍指南》
英文名稱:Python Pocket Reference: Python In Your Pocket (Pocket Reference (O'Reilly))
作者:Mark Lutz
出版社:O'Reilly Media
對于的Python 3.4和2.7而言,本指南是完美的實戰(zhàn)快速參考。你從中將會學(xué)習(xí)有關(guān)Python類型和語句、特殊方法名、內(nèi)建函數(shù)與異常、常用的標(biāo)準(zhǔn)庫模塊及其他的Python工具。
由Mark Lutz這位公認(rèn)為的Python領(lǐng)導(dǎo)者編寫的《Python袖珍指南(第五版)》,是仍由Mark編寫的經(jīng)典Python教程(《Learning Python》和《Programming Python》,O’Reilly出版)的理想助手。
本書涵蓋內(nèi)容:
內(nèi)建對象類型,包括數(shù)字、列表、字典等更多內(nèi)容
創(chuàng)建和處理對象的語句和語法
結(jié)構(gòu)化和重用代碼所用的函數(shù)與模塊
Python面向?qū)ο蟮木幊坦ぞ?/p>
內(nèi)建函數(shù)、異常和屬性
專有運算符重載方法
廣泛應(yīng)用的標(biāo)準(zhǔn)庫模塊和擴(kuò)展
命令行選項與開發(fā)工具
Python的習(xí)語與提示
Python的SQL數(shù)據(jù)庫API
10、《統(tǒng)計學(xué)習(xí)基礎(chǔ)》
英文名稱:The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics)
作者:Trevor Hastie、Robert Tibshirani
出版社:Springer
計算和信息技術(shù)的飛速發(fā)展帶來了醫(yī)學(xué)、生物學(xué)、財經(jīng)和營銷等諸多領(lǐng)域的海量數(shù)據(jù)。理解這些數(shù)據(jù)是一種挑戰(zhàn),這導(dǎo)致了統(tǒng)計學(xué)領(lǐng)域新工具的發(fā)展,并延伸到諸如數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和生物信息學(xué)等新領(lǐng)域。許多工具都具有共同的基礎(chǔ),但常常用不同的術(shù)語來表達(dá)?!督y(tǒng)計學(xué)習(xí)基礎(chǔ)(第2版)(英文)》介紹了這些領(lǐng)域的一些重要概念。盡管應(yīng)用的是統(tǒng)計學(xué)方法,但強調(diào)的是概念,而不是數(shù)學(xué)。許多例子附以彩圖?!督y(tǒng)計學(xué)習(xí)基礎(chǔ)(第2版)(英文)》內(nèi)容廣泛,從有指導(dǎo)的學(xué)習(xí)(預(yù)測)到無指導(dǎo)的學(xué)習(xí),應(yīng)有盡有。包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、分類樹和提升等主題,是同類書籍中介紹得*全面的。
《統(tǒng)計學(xué)習(xí)基礎(chǔ)(第2版)(英文)》可作為高等院校相關(guān)專業(yè)本科生和研究生的教材,對于統(tǒng)計學(xué)相關(guān)人員、科學(xué)界和業(yè)界關(guān)注數(shù)據(jù)挖掘的人,《統(tǒng)計學(xué)習(xí)基礎(chǔ)(第2版)(英文)》值得一讀。
根據(jù)這張“迷你地圖”,可以分為七個“領(lǐng)域”,各自都有相應(yīng)的推薦書目。
新手進(jìn)階書目推薦
1、《Machine Learning For Absolute Beginners: A Plain English Introduction (Machine Learning For Beginners)》
作者:Oliver Theobald
2、《Make Your Own Neural Network: An In-depth Visual Introduction For Beginners》
作者:Michael Taylor
3、《The Math of Neural Networks》
作者:Michael Taylor
深度學(xué)習(xí)相關(guān)書目推薦
1、《Deep Learning with Python》
作者:Francois Chollet
2、《Deep Learning: A Practitioner's Approach》
作者:Josh Patterson、Adam Gibson
3、《Neural Networks with R: Smart models using CNN, RNN, deep learning, and artificial intelligence principles》
作者:Giuseppe Ciaburro、Balaji Venkateswaran
數(shù)據(jù)科學(xué)相關(guān)書目推薦
1、《Data Science from Scratch: First Principles with Python》
作者:Joel Grus
2、《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》
作者:Foster Provost、Tom Fawcett
3、《Think Bayes: Bayesian Statistics in Python》
作者:Allen B. Downey
R語言相關(guān)書目推薦
1、《ggplot2: Elegant Graphics for Data Analysis (Use R!)》
作者:Hadley Wickham
2、《R Cookbook: Proven Recipes for Data Analysis, Statistics, and Graphics (O'reilly Cookbooks)》
作者:Paul Teetor
3、《R Graphics Cookbook: Practical Recipes for Visualizing Data》
作者:Winston Chang
Python相關(guān)書目推薦
1、《Introducing Python: Modern Computing in Simple Packages》
作者:Bill Lubanovic
2、《Learning Python, 5th Edition》
作者:Mark Lutz
3、《Fluent Python: Clear, Concise, and Effective Programming》
作者:Luciano Ramalho
金融相關(guān)書目推薦
1、《Advances in Financial Machine Learning 》
作者:Marcos Lopez de Prado
2、《Building Winning Algorithmic Trading Systems, + Website: A Trader's Journey From Data Mining to Monte Carlo Simulation to Live Trading (Wiley Trading)》
作者:Kevin J. Davey
3、《Algorithmic Trading: Winning Strategies and Their Rationale》
作者:Ernie Chan
專家級書目推薦
1、《Pattern Recognition and Machine Learning (Information Science and Statistics)》
作者:Christopher M. Bishop
2、《Machine Learning (McGraw-Hill International Editions Computer Science Series)》
作者:Tom M. Mitchell
3、《Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning)》
作者:Richard S. Sutton、Andrew G. Barto
-
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8306瀏覽量
131845 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5422瀏覽量
120593
原文標(biāo)題:【薦書】機(jī)器學(xué)習(xí)最熱書單Top10,附深度學(xué)習(xí)等7大領(lǐng)域132本書目
文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論