機器學習必看書籍推薦

機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。

它是人工智慧的核心，是使計算機具有智慧的根本途徑。

以下書籍都是現在業內主流的機器學習好書，同步收錄在頂書，通過下面網址進入，實時讀書：

頂書-提升IT技術和認知​i-book.top

 

科技之巔2

《麻省理工科技評論》從2001年開始，每年都會公佈“10大全球突破性技術”，即TR10（Technology Review 10），並預測其大規模商業化的潛力，以及對人類生活和社會的重大影響。 這些技術代表了當前世界科技的發展前沿和未來發展方向，集中反映了近年來世界科技發展的新特點和新趨勢，將引領面向未來的研究方向。其中許多技術已經走向市場，主導著產業技術的發展，極大地推動了經濟社會發展和科技創新。 正如《麻省理工科技評論》主編JasonPontin所說，突破性技術的定義非常簡單，那就是能夠給人們帶來高質量運用科技的解決方案。有些技術是工程師們天才創意的結晶；而有的則是科學家們對長期困擾他們的問題所採取的諸多嘗試的集大成者（比如深度學習）。評選“10大全球突破性技術”的目的不僅僅是向人們展示zui新的創新成果，同時也是為了強調，是人類的聰明才智促生了這些創新技術。

 

Python機器學習

在學習和研究機器學習的時候，面臨令人眼花繚亂的演算法，機器學習新手往往會不知所措。本書從演算法和Python 語言實現的角度，幫助讀者認識機器學習。書專注於兩類核心的“演算法族”，即懲罰線性迴歸和整合方法，並通過程式碼例項來展示所討論的演算法的使用原則。全書共分為7 章，詳細討論了預測模型的兩類核心演算法、預測模型的構建、懲罰線性迴歸和整合方法的具體應用和實現。

 

TensorFlow技術解析與實戰

TensorFlow 是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、原始碼分析和網路實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。基礎篇講解人工智慧的入門知識，深度學習的方法，TensorFlow的基礎原理、系統架構、設計理念、程式設計模型、常用API、批標準化、模型的儲存與載入、佇列與執行緒，實現一個自定義操作，並進行TensorFlow原始碼解析，介紹卷積神經網路（CNN）和迴圈神經網路（RNN）的演化發展及其TensorFlow實現、TensorFlow的高階框架等知識；實戰篇講解如何用TensorFlow寫一個神經網路程式並介紹TensorFlow實現各種網路（CNN、RNN和自編碼網路等）並對MNIST資料集進行訓練，講解TensorFlow在人臉識別、自然語言處理、影像和語音的結合、生成式對抗網路等方面的應用；提高篇講解TensorFlow的分散式原理、架構、模式、API，還會介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結合、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計算加速等其他特性。最後，附錄中列出一些可供參考的公開資料集，並結合作者的專案經驗介紹專案管理的一些建議。

 

深度學習

本書由全球知名的三位專家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。

 

神經網路與深度學習

本書主要介紹神經網路與深度學習中的基礎知識、主要模型（卷積神經網路、遞迴神經網路等）以及在計算機視覺、自然語言處理等領域的應用。

 

深度學習框架PyTorch：入門與實踐

《深度學習框架PyTorch：入門與實踐》從多維陣列Tensor開始，循序漸進地帶領讀者瞭解PyTorch各方面的基礎知識。結合基礎知識和前沿研究，帶領讀者從零開始完成幾個經典有趣的深度學習小專案，包括GAN生成動漫頭像、AI濾鏡、AI寫詩等。《深度學習框架PyTorch：入門與實踐》沒有簡單機械地介紹各個函式介面的使用，而是嘗試分門別類、循序漸進地向讀者介紹PyTorch的知識，希望讀者對PyTorch有一個完整的認識。《深度學習框架PyTorch：入門與實踐》內容由淺入深，無論是深度學習的初學者，還是第一次接觸PyTorch的研究人員，都能在學習本書的過程中快速掌握PyTorch。即使是有一定PyTorch使用經驗的使用者，也能夠從本書中獲得對PyTorch不一樣的理解。