這里有一位機(jī)器學(xué)習(xí)創(chuàng)業(yè)者經(jīng)過自己的挖掘和整理，為大家獻(xiàn)上的一份機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的最佳書單

2019年馬上就要過去了25%了，你看書了嗎？關(guān)于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的書，你都看全了嗎？

別慌，這里有一位機(jī)器學(xué)習(xí)創(chuàng)業(yè)者經(jīng)過自己的挖掘和整理，為大家獻(xiàn)上的一份機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的最佳書單，陪你度過2019剩下的3/4。

TOP 1：Deep Learning

深度學(xué)習(xí)大神Ian Goodfellow, Yoshua Bengio, Aaron Courville合著的經(jīng)典著作，花書的大名也是家喻戶曉了，這本書被譽(yù)為深度學(xué)習(xí)圣經(jīng)。所以最好的方式是每天都去翻一翻，可能就會(huì)有不一樣的體會(huì)。

更為可貴的是，你可以獲得免費(fèi)的在線版本、習(xí)題

https://www.deeplearningbook.org/

圖書簡(jiǎn)介

本書介紹了深度學(xué)習(xí)的廣泛主題，提供數(shù)學(xué)和概念背景，涵蓋線性代數(shù)，概率論和信息論，數(shù)值計(jì)算和機(jī)器學(xué)習(xí)中的相關(guān)概念。它描述了業(yè)內(nèi)從業(yè)者使用的深度學(xué)習(xí)技術(shù)，包括深度前饋網(wǎng)絡(luò)，正則化，優(yōu)化算法，卷積網(wǎng)絡(luò)，序列建模和實(shí)用方法；它調(diào)查了自然語(yǔ)言處理，語(yǔ)音識(shí)別，計(jì)算機(jī)視覺，在線推薦系統(tǒng)，生物信息學(xué)和視頻游戲等應(yīng)用。最后，本書提供了研究視角，涵蓋了線性因子模型，自動(dòng)編碼器，表示學(xué)習(xí)，結(jié)構(gòu)化概率模型，蒙特卡羅方法，分區(qū)函數(shù)，近似推理和深度生成模型等理論主題。

TOP 2：Grokking Deep Learning

本書作者Andrew Trask是OpenMind的leader。這本書最大的特點(diǎn)就是號(hào)稱高中生也能看懂的深度學(xué)習(xí)教材。在本書中，Andrew試圖繞開數(shù)學(xué)公式，來(lái)科普什么是深度學(xué)習(xí)，以及如何創(chuàng)建一個(gè)神經(jīng)網(wǎng)絡(luò)。

圖書簡(jiǎn)介

Grokking Deep Learning教你從頭開始構(gòu)建深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)！ 在引人入勝的風(fēng)格中，經(jīng)驗(yàn)豐富的深度學(xué)習(xí)專家Andrew Trask向你展示了深度學(xué)習(xí)背后的知識(shí)，因此你可以自己研究訓(xùn)練神經(jīng)網(wǎng)絡(luò)的每一個(gè)細(xì)節(jié)。只使用Python及其數(shù)學(xué)支持庫(kù)NumPy，你將訓(xùn)練自己的神經(jīng)網(wǎng)絡(luò)，以查看和理解圖像，將文本翻譯成不同的語(yǔ)言，甚至像莎士比亞一樣寫作！當(dāng)你完成后，你將完全準(zhǔn)備好繼續(xù)掌握深度學(xué)習(xí)框架。

TOP 3：Deep Learning with Python

這本書也是非常有名了。Francois Chollet同時(shí)也是Keras的作者，本書的特點(diǎn)是善于使用類比來(lái)將深?yuàn)W的深度學(xué)習(xí)知識(shí)變得更加淺顯易懂。而且本書聚焦于Python，是一本比較使用的書。

圖書簡(jiǎn)介

本書直觀的解釋和實(shí)際例子構(gòu)建你的理解。你將在計(jì)算機(jī)視覺，自然語(yǔ)言處理和生成模型中應(yīng)用具有挑戰(zhàn)性的概念和實(shí)踐。當(dāng)你學(xué)完本書，將擁有在自己的項(xiàng)目中應(yīng)用深度學(xué)習(xí)的知識(shí)和實(shí)踐技能。

TOP 4：Hands-On Machine Learning with Scikit-Learn and TensorFlow

這本書最大的特點(diǎn)，就是名字有一公里長(zhǎng)。其次這本書也是一本偏實(shí)戰(zhàn)的教程，主攻Scikit-Learn和TensorFlow。除了圖文以外，你還可以在YouTube上觀看視頻講解。

https://www.youtube.com/channel/UCCvGd1WBMpFQ_vtC89VF2qA?&ab_channel=Aur%C3%A9lienG%C3%A9ron

圖書簡(jiǎn)介

這本暢銷書的更新版本使用了具體的例子、最少的理論和兩個(gè)生產(chǎn)就緒的Python框架：Scikit-Learn和TensorFlow 2.0，幫助你直觀地理解構(gòu)建智能系統(tǒng)的概念和工具。從業(yè)者將學(xué)習(xí)一系列可以在工作中快速使用的技術(shù)。第1部分使用Scikit-Learn來(lái)介紹基本的機(jī)器學(xué)習(xí)任務(wù)，例如簡(jiǎn)單的線性回歸。第2部分已經(jīng)過重大更新，采用Keras和TensorFlow 2.0引導(dǎo)讀者通過使用深度神經(jīng)網(wǎng)絡(luò)的更先進(jìn)的機(jī)器學(xué)習(xí)方法。通過每章的練習(xí)來(lái)幫助你應(yīng)用所學(xué)知識(shí)，你只需要編程經(jīng)驗(yàn)即可開始使用。

TOP 5：The Hundred-Page Machine Learning Book

這本書最大的特點(diǎn)就是只有100頁(yè)，但卻成為美亞上該領(lǐng)域暢銷書。而且更棒的是，可以下載到免費(fèi)版本。

http://themlbook.com/wiki/doku.php

這本書的來(lái)歷也比較有趣。因?yàn)锳ndriy Burkov覺得市面上流傳的機(jī)器學(xué)習(xí)教材動(dòng)輒幾百一千頁(yè)，所以他要出一本100頁(yè)、但同時(shí)又涵蓋所有必備知識(shí)點(diǎn)的書。顯然他做到了。

TOP 6：Reinforcement Learning: An Introduction (2nd Edition)

這本由大神Richard S. Sutton, Andrew G. Barto合著的強(qiáng)化學(xué)習(xí)教材，可以被認(rèn)為是強(qiáng)化學(xué)習(xí)領(lǐng)域的圣經(jīng)了，它的影響力和權(quán)威性毋庸置疑。當(dāng)然其深度也是非常感人的，同樣建議時(shí)不時(shí)的翻翻。

TOP 7：Deep Reinforcement Learning Hands-On

沒錯(cuò)，看名字就知道這是一本實(shí)操教材。本書做到了理論和實(shí)踐的平衡，既教你怎么做，又教你為什么，可能是最好的強(qiáng)化學(xué)習(xí)手冊(cè)了。

圖書簡(jiǎn)介

Deep Reinforcement Learning Hands-On是最新DL工具及其局限性的綜合指南。本書介紹了RL的基礎(chǔ)知識(shí)，為你提供編碼智能學(xué)習(xí)智能體的專業(yè)知識(shí)，以承擔(dān)一系列艱巨的實(shí)際任務(wù)。了解如何在“網(wǎng)格世界”環(huán)境中實(shí)施Q-learning，教你的智能體商購(gòu)買和交易股票，并了解自然語(yǔ)言模型如何推動(dòng)聊天機(jī)器人的繁榮。

TOP 8：Learning From Data

本書作者之一是一位華人。整部教材簡(jiǎn)潔明了，被譽(yù)為“小吳恩達(dá)機(jī)器學(xué)習(xí)課程”，并隨書贈(zèng)送教學(xué)視頻：

https://www.youtube.com/playlist?list=PLD63A284B7615313A

圖書簡(jiǎn)介

本書是為機(jī)器學(xué)習(xí)的短期課程而設(shè)計(jì)的。這是一個(gè)短期課程，作者是加州理工學(xué)院，倫斯勒理工學(xué)院（RPI）和國(guó)立***大學(xué)（NTU）的教授。作者還就金融和商業(yè)公司的機(jī)器學(xué)習(xí)應(yīng)用進(jìn)行了廣泛的咨詢，并在機(jī)器學(xué)習(xí)競(jìng)賽中領(lǐng)導(dǎo)了獲獎(jiǎng)團(tuán)隊(duì)。

TOP 9：The Book of Why

這本書就是一本充滿了為什么的書，可以激發(fā)你的想象力?？傊秃苌衿妫扑]一讀。

TOP 10：Machine Learning Yearning

這本書是吳恩達(dá)在百度和谷歌大腦領(lǐng)導(dǎo)深度學(xué)習(xí)團(tuán)隊(duì)時(shí)獲得的多年實(shí)踐經(jīng)驗(yàn)的總結(jié)，很難得有人有機(jī)會(huì)接觸到這些大廠的核心資源，更難得能將這么多年的經(jīng)驗(yàn)寫出來(lái)。本書絕對(duì)值得一讀！。

TOP 11：Interpretable Machine Learning

可解釋性正迅速成為深度學(xué)習(xí)中需要解決的熱門話題。如何獲知黑盒子內(nèi)容仍然是深度學(xué)習(xí)的活躍研究領(lǐng)域，本書帶你了解可解釋性機(jī)器學(xué)習(xí)。