前幾天,紅色石頭在逛微博的時候,發現有人轉發了@愛可可老師的這樣一篇微博:
紅色石頭很有共鳴,這四本書著實很不錯!我們都知道現在機器學習、深度學習的資料太多了,面對海量資源,往往陷入到“無從下手”的困惑出境。而且並非所有的書籍都是優質資源,浪費大量的時間是得不償失的。今天,藉此機會,紅色石頭就給大家推薦這幾本好書並做簡單介紹。最後附上所有書籍的詳細資源。
1. 《Deep Learning with Python》
推薦指數:★★★★☆
本書自出版以來收到眾多好評,因為是 Keras 作者寫的書,所以全書基本圍繞著 Keras 講深度學習的各種實現,從 CNN,RNN 到 GAN 等,偏入門,但也承載著很多作者對深度學習整體性的思考。這是一本偏實戰的書,教你使用 Keras 快速實現深度學習經典專案。看完這本書,基本能對 Keras 和深度學習實戰有比較初步的掌握了。個人非常推薦!
但是,這本書預設你已經具備了基本的深度學習、神經網路知識。如果你是深度學習的初學者,那麼最好先補充一下深度學習的基本入門知識。
本書原始碼 GitHub 地址:
https://github.com/fchollet/deep-learning-with-python-notebooks
目前本書的英文版和中文版都 pdf 檔案都已經打包完畢。
2. 《Python Machine Learning》
推薦指數:★★★☆☆
這本書本身知名度不是特別高,但是書籍質量很高,簡單來說就是簡易、實用、不枯燥。本書使用了 Scikit-Learn 和 TensorFlow,分別講解機器學習和深度學習,並每章配備實操程式碼。還有一點是講解了如何將機器學習模型釋出到 Web 應用。整個知識體系相對更加完善,是一本比較全面的機器學習書籍。
本書原始碼 GitHub 地址:
https://github.com/rasbt/python-machine-learning-book-2nd-edition
目前本書只有英文版 pdf。
3. 《Hands-On Machine Learning with Scikit-Learn & TensorFlow》
推薦指數:★★★★★
本書中文譯為《Scikit-Learn 與 TensorFlow 機器學習實用指南》。這本書最大的特色從理論上講就是言簡意賅,全書基本上沒有太多複雜的數學公式推導,語言通俗易懂,很容易看得懂、看得下去。全書共分為兩大部分,第一部分介紹機器學習基礎演算法,每章都配備 Scikit-Learn 實操專案;第二部分介紹神經網路與深度學習,每章配備 TensorFlow 實操專案。附錄部分內容也非常豐富。正本書兼顧理論與實戰,是一本非常適合入門和實戰的機器學習書籍。
本書原始碼 GitHub 地址:
https://github.com/ageron/handson-ml
目前本書只有英文版 pdf。不過已經有人翻譯了中文版,紅色石頭也在做這件事,目前還在更新,地址如下:
https://github.com/RedstoneWill/Hands-On-Machine-Learning-with-Sklearn-TensorFlow
4. 《Deep Learning》
推薦指數:★★★★☆
又名“花書”。該書由三位大佬 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰寫,是深度學習領域奠基性的經典教材。全書的內容包括3個部分:第1部分介紹基本的數學工具和機器學習的概念,它們是深度學習的預備知識;第2部分系統深入地講解現今已成熟的深度學習方法和技術;第3部分討論某些具有前瞻性的方向和想法,它們被公認為是深度學習未來的研究重點。相信這本書大部分人入坑深度學習的都知道!
為什麼沒給這本書打五星呢?其實,我覺得這本書內容很深很全面,但起點稍微高了一些。如果你的數學基礎比較好,那麼這本書是非常不錯的進階工具書;但如果你剛剛入門深度學習,那麼需要補充一定的基本概念知識,再來學習會比較好。
目前本書的英文版和中文版都 pdf 檔案都已經打包完畢。
推薦的學習順序:
“四大名著”介紹完了,每本書都有各自的特色。其實,適合自己的才是最好的。很難有統一的標準和學習線路。但是,從我的角度出發,我覺得一般的適合大多數同學的閱讀順序為:3 -> 2 -> 1 -> 4。如果分側重的話,我覺得 3 和 1 非常不錯。最後,修煉一下深度學習內功心法,即 4。2 可以選讀。
資源獲取:
好了,重點來了,深度學習“四大名著”所有書籍的中英文 pdf 和原始碼都已經打包完畢,獲取方式很簡單,關注公眾號“AI有道”,在公眾號後臺直接回復:【4】即可!