想學(xué)習(xí)機(jī)器學(xué)習(xí)嗎?從這10本書(shū)開(kāi)始。

[[374789]]

> Top 10 Books on Machine Learning For Absolute Beginners, Beginners and Experts

什么是機(jī)器學(xué)習(xí)?維基百科-機(jī)器學(xué)習(xí)(ML)是對(duì)計(jì)算機(jī)算法的研究，這些算法會(huì)根據(jù)經(jīng)驗(yàn)自動(dòng)提高。它被視為人工智能的子集。機(jī)器學(xué)習(xí)算法基于樣本數(shù)據(jù)(稱為"訓(xùn)練數(shù)據(jù)")構(gòu)建模型，以便做出預(yù)測(cè)或決策而無(wú)需明確地編程。機(jī)器學(xué)習(xí)算法用于各種應(yīng)用程序，例如電子郵件過(guò)濾和計(jì)算機(jī)視覺(jué)，在這些應(yīng)用程序中，很難或不可行地開(kāi)發(fā)常規(guī)算法來(lái)執(zhí)行所需的任務(wù)。

機(jī)器學(xué)習(xí)的十大應(yīng)用：

• 圖像識(shí)別
• 語(yǔ)音識(shí)別
• 產(chǎn)品推薦
• 自動(dòng)駕駛汽車
• 電子郵件垃圾郵件和惡意軟件過(guò)濾
• 虛擬個(gè)人助理
• 在線欺詐檢測(cè)
• 自動(dòng)語(yǔ)言翻譯
• 醫(yī)學(xué)診斷
• 產(chǎn)品推薦

這是有關(guān)機(jī)器學(xué)習(xí)的十大最佳書(shū)籍。

1. 絕對(duì)初學(xué)者的機(jī)器學(xué)習(xí)：簡(jiǎn)單的英語(yǔ)介紹

> Machine Learning For Absolute Beginners: A Plain English Introduction

作者— Oliver Theobald

頁(yè)數(shù)— 162

面向 —絕對(duì)初學(xué)者

說(shuō)明-本書(shū)用英文解釋寫(xiě)，沒(méi)有編碼經(jīng)驗(yàn)。Oliver Theobald引入了核心算法，并給出了清晰的解釋，并添加了直觀的示例，以使其易于在家進(jìn)行學(xué)習(xí)。

本書(shū)逐步指導(dǎo)您，您將學(xué)習(xí)：

• 如何下載免費(fèi)數(shù)據(jù)集
• 您需要什么工具和機(jī)器學(xué)習(xí)庫(kù)
• 數(shù)據(jù)清理技術(shù)，包括一鍵編碼，合并和處理丟失的數(shù)據(jù)
• 準(zhǔn)備分析數(shù)據(jù)，包括k倍驗(yàn)證
• 回歸分析以創(chuàng)建趨勢(shì)線
• 聚類，包括k-Means聚類以查找新關(guān)系
• 神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)
• 偏差/方差可改善您的機(jī)器學(xué)習(xí)模型
• 決策樹(shù)解碼分類
• 如何使用Python構(gòu)建第一個(gè)機(jī)器學(xué)習(xí)模型以預(yù)測(cè)房屋價(jià)值

2. 百頁(yè)機(jī)器學(xué)習(xí)書(shū)

> The Hundred-Page Machine Learning Book

作者-Peter Norvig，Google研究總監(jiān)，AIMA的合著者。AurélienGéron，高級(jí)AI工程師，暢銷書(shū)Scikit-Learn和TensorFlow的動(dòng)手機(jī)器學(xué)習(xí)的作者。亞馬遜數(shù)據(jù)科學(xué)主管Karolis Urbonas。eBay工程主管Sujeet Varakhedi。

頁(yè)數(shù)— 160

面向 —初學(xué)者

描述—有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)，支持向量機(jī)，神經(jīng)網(wǎng)絡(luò)，集成方法，梯度下降，聚類分析和降維，自動(dòng)編碼器和傳遞學(xué)習(xí)，特征工程以及超參數(shù)調(diào)整!數(shù)學(xué)，直覺(jué)，插圖全部一百頁(yè)!

3. 傻瓜的機(jī)器學(xué)習(xí)(在Python和R中)

> Machine Learning (In Python And R) For Dummies

作者—約翰·穆勒(John Mueller)是自由作家和技術(shù)編輯。

頁(yè)數(shù)— 399

面向 —初學(xué)者

說(shuō)明-本書(shū)是快速入門的簡(jiǎn)便方法。它說(shuō)明了入門方法，提供了有關(guān)基礎(chǔ)算法的工作方式的詳細(xì)討論，使用諸如Python和R之類的語(yǔ)言使機(jī)器學(xué)習(xí)成為可能，并指定了如何使用通用算法進(jìn)行實(shí)際操作，等等!

書(shū)內(nèi)：

• 有關(guān)AI的真實(shí)故事
• R和Python編碼
• 統(tǒng)計(jì)的作用
• 管理大數(shù)據(jù)
• 揭開(kāi)數(shù)學(xué)的神秘面紗
• 使用線性模型
• 神經(jīng)網(wǎng)絡(luò)的作用
• 如何處理圖像
• 您可以使用更多工具

4. 面向黑客的機(jī)器學(xué)習(xí)：案例研究和算法入門

> Machine Learning For Hackers: Case Studies And Algorithms To Get You Started

作者—作者Drew Conway和John Myles

頁(yè)數(shù)— 340

面向 —初學(xué)者

說(shuō)明-如果您是一位經(jīng)驗(yàn)豐富的程序員，對(duì)數(shù)據(jù)處理感興趣，那么本書(shū)將幫助您開(kāi)始使用一種算法的機(jī)器學(xué)習(xí)工具包，該工具包使計(jì)算機(jī)能夠訓(xùn)練自己以自動(dòng)執(zhí)行有用的任務(wù)。Drew Conway和John Myles White的作者通過(guò)一系列動(dòng)手案例研究幫助您了解機(jī)器學(xué)習(xí)和統(tǒng)計(jì)工具，而不是傳統(tǒng)的繁瑣的演講。

每章重點(diǎn)介紹機(jī)器學(xué)習(xí)中的特定問(wèn)題，例如分類，預(yù)測(cè)，優(yōu)化和推薦。使用R編程語(yǔ)言，您將學(xué)習(xí)如何分析樣本數(shù)據(jù)集并編寫(xiě)簡(jiǎn)單的機(jī)器學(xué)習(xí)算法。黑客的機(jī)器學(xué)習(xí)非常適合來(lái)自任何背景的程序員，包括商業(yè)，政府和學(xué)術(shù)研究。

借助本書(shū)，您將：

• 開(kāi)發(fā)一個(gè)樸素的貝葉斯分類器，僅根據(jù)其文本確定電子郵件是否為垃圾郵件。
• 使用線性回歸預(yù)測(cè)前1,000個(gè)網(wǎng)站的網(wǎng)頁(yè)瀏覽量。
• 學(xué)習(xí)優(yōu)化通過(guò)嘗試打破簡(jiǎn)單的字母密碼來(lái)實(shí)現(xiàn)這些技術(shù)。
• 根據(jù)參議員的投票記錄，對(duì)他們進(jìn)行統(tǒng)計(jì)比較和對(duì)比。

5. 機(jī)器學(xué)習(xí)

> Machine Learning

作者—湯姆·米切爾(Tom M. Mitchell)

頁(yè)數(shù)432

面向 —初學(xué)者

說(shuō)明-這本教科書(shū)提供了單一來(lái)源的機(jī)器學(xué)習(xí)主要方法的介紹。它適用于高級(jí)本科生和研究生，以及該領(lǐng)域的開(kāi)發(fā)人員和研究人員。假定沒(méi)有人工智能或統(tǒng)計(jì)學(xué)的現(xiàn)有背景。書(shū)中討論的幾種關(guān)鍵算法，日期集示例和面向項(xiàng)目的作業(yè)分配可通過(guò)萬(wàn)維網(wǎng)訪問(wèn)。

特色：

• 本書(shū)以統(tǒng)一的方式涵蓋了各個(gè)領(lǐng)域的概念和技術(shù)
• 涵蓋了遺傳算法，強(qiáng)化學(xué)習(xí)和歸納邏輯—編程等最新主題。
• 寫(xiě)作風(fēng)格清晰，說(shuō)明性和精確。

6. 使用Scikit-Learn，Keras和Tensor Flow進(jìn)行動(dòng)手機(jī)器學(xué)習(xí)：概念，工具和技術(shù)

> Hands-On Machine Learning With Scikit-Learn, Keras And Tensor Flow: Concepts, Tools And Techniques

作者— Aurelian Geron是一名機(jī)器學(xué)習(xí)顧問(wèn)和培訓(xùn)師。

頁(yè)數(shù)— 848

面向 —全部

說(shuō)明-您將學(xué)習(xí)各種技術(shù)，從簡(jiǎn)單的線性回歸開(kāi)始，一直到深入的神經(jīng)網(wǎng)絡(luò)。每章都有練習(xí)，可以幫助您應(yīng)用所學(xué)的知識(shí)，因此，您所需要的只是編程經(jīng)驗(yàn)。

借助本書(shū)，您將：

• 探索機(jī)器學(xué)習(xí)的前景，尤其是神經(jīng)網(wǎng)絡(luò)
• 使用Scikit-Learn端對(duì)端跟蹤示例機(jī)器學(xué)習(xí)項(xiàng)目
• 探索幾種訓(xùn)練模型，包括支持向量機(jī)，決策樹(shù)，隨機(jī)森林和集成方法
• 使用TensorFlow庫(kù)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)體系結(jié)構(gòu)，包括卷積網(wǎng)絡(luò)，遞歸網(wǎng)絡(luò)和深度強(qiáng)化學(xué)習(xí)
• 學(xué)習(xí)用于訓(xùn)練和擴(kuò)展深度神經(jīng)網(wǎng)絡(luò)的技術(shù)

7. 使用Python進(jìn)行深度學(xué)習(xí)

> Deep Learning With Python

作者—FrançoisChollet，谷歌AI研究人員和Keras創(chuàng)作者。

頁(yè)數(shù)— 384

面向 —全部

說(shuō)明-它介紹了使用Python語(yǔ)言和強(qiáng)大的Keras庫(kù)進(jìn)行深度學(xué)習(xí)的領(lǐng)域。本書(shū)由Keras創(chuàng)作者和Google AI研究人員FrançoisChollet撰寫(xiě)，本書(shū)通過(guò)直觀的解釋和實(shí)際示例來(lái)加深您的理解。

目錄：

• 第1部分-深度學(xué)習(xí)基礎(chǔ)
• 什么是深度學(xué)習(xí)?
• 在我們開(kāi)始之前：神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)
• 神經(jīng)網(wǎng)絡(luò)入門
• 機(jī)器學(xué)習(xí)基礎(chǔ)
• 第2部分-深度學(xué)習(xí)實(shí)踐
• 用于計(jì)算機(jī)視覺(jué)的深度學(xué)習(xí)
• 文本和序列的深度學(xué)習(xí)
• 先進(jìn)的深度學(xué)習(xí)最佳實(shí)踐
• 生成式深度學(xué)習(xí)
• 結(jié)論
• 附錄A —在Ubuntu上安裝Keras及其依賴項(xiàng)
• 附錄B —在EC2 GPU實(shí)例上運(yùn)行Jupyter筆記本

從亞馬遜購(gòu)買。

8. 深度學(xué)習(xí)(自適應(yīng)計(jì)算和機(jī)器學(xué)習(xí)系列)

> Deep Learning (Adaptive Computation And Machine Learning Series)

作者-Ian Goodfellow是Google的研究科學(xué)家(對(duì)抗生成網(wǎng)絡(luò)GAN的發(fā)明者)。Yoshua Bengio是蒙特利爾大學(xué)計(jì)算機(jī)科學(xué)教授(圖靈獎(jiǎng)得主)。Aaron Courville是蒙特利爾大學(xué)計(jì)算機(jī)科學(xué)的助理教授。

頁(yè)數(shù)— 800

面向 —初學(xué)者/中級(jí)

說(shuō)明-本書(shū)介紹了深度學(xué)習(xí)的廣泛主題，涵蓋數(shù)學(xué)和概念背景，行業(yè)中使用的深度學(xué)習(xí)技術(shù)以及研究觀點(diǎn)。

特斯拉和SpaceX首席執(zhí)行官埃隆·馬斯克(Elon Musk)的評(píng)論："深度學(xué)習(xí)由該領(lǐng)域的三位專家撰寫(xiě)，是有關(guān)該主題的唯一一本全面的書(shū)。"

9. 模式識(shí)別與機(jī)器學(xué)習(xí)(信息科學(xué)與統(tǒng)計(jì))

> Pattern Recognition And Machine Learning (Information Science And Statistics)

作者—克里斯·畢曉普(Chris Bishop)是微軟研究院劍橋的一位杰出科學(xué)家和實(shí)驗(yàn)室主任。

頁(yè)數(shù)— 738

面向 —中級(jí)/專家

說(shuō)明-這是第一本介紹貝葉斯觀點(diǎn)的模式識(shí)別教科書(shū)。本書(shū)介紹了近似推理算法，可以在無(wú)法給出精確答案的情況下提供快速近似答案。當(dāng)沒(méi)有其他書(shū)籍將圖形模型應(yīng)用于機(jī)器學(xué)習(xí)時(shí)，它使用圖形模型來(lái)描述概率分布。不會(huì)假設(shè)以前有任何模式識(shí)別或機(jī)器學(xué)習(xí)概念的知識(shí)。需要熟悉多元演算和基本線性代數(shù)，并且使用概率的一些經(jīng)驗(yàn)會(huì)有所幫助，盡管不是必不可少的，因?yàn)檫@本書(shū)包括對(duì)基本概率論的獨(dú)立介紹。

10. 統(tǒng)計(jì)學(xué)習(xí)的要素：數(shù)據(jù)挖掘，推理和預(yù)測(cè)，第二版

> The Elements Of Statistical Learning: Data Mining, Inference, And Prediction, Second Edition

作者-Trevor Hastie，Robert Tibshirani和Jerome Friedman是斯坦福大學(xué)的統(tǒng)計(jì)學(xué)教授。

頁(yè)數(shù)— 745

面向 —中級(jí)/專家

說(shuō)明-本書(shū)在一個(gè)通用的概念框架中描述了各個(gè)領(lǐng)域的重要思想，例如醫(yī)學(xué)，生物學(xué)，金融和市場(chǎng)營(yíng)銷。盡管該方法是統(tǒng)計(jì)方法，但重點(diǎn)是概念而不是數(shù)學(xué)。大量使用彩色圖形給出了示例。對(duì)于統(tǒng)計(jì)學(xué)家和對(duì)科學(xué)或工業(yè)中的數(shù)據(jù)挖掘感興趣的任何人來(lái)說(shuō)，它都是寶貴的資源。本書(shū)涵蓋范圍廣泛，從監(jiān)督學(xué)習(xí)(預(yù)測(cè))到無(wú)監(jiān)督學(xué)習(xí)。許多主題包括神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，分類樹(shù)和boosting-這是任何書(shū)籍中對(duì)該主題的第一個(gè)全面處理。

原文鏈接：

https://medium.com/datadriveninvestor/top-10-books-on-machine-learning-for-absolute-beginners-beginners-and-experts-88cfcb94ccce)