2020必读的12本机器学习书籍 _机器学习

文章插图

“机器学习：计算机无需专门编程即可从经验中学习。”
最近这十年以来，人工智能和机器学习已经获得了广泛的关注，每个人都希望成为这一变化的一部分。企业希望掌握该技术的优势，而专业人士则对机器学习的强大能力着迷，并渴望提高自己的技能。
无论如何，始终都需要一个起点，选择一本好书，仔细地阅读，可以从中学到关于人工智能相关技术。无论你的技能是什么，你总能找到适合的书籍，无论是技术爱好者还是菜鸟。因此，推荐12本在2020年，最值得深入阅读的人工智能专业书籍，其中很多书籍在我们的公众号“深度学习与NLP”中都有免费pdf下载。
在本文中，将简要介绍一些最佳书籍，这些书籍可以帮助你了解机器学习的概念，并指导你成为该领域内的专家。此外，只要你熟悉编程语言的基础知识，这些书就可以为你带来很多启发和灵感，包括创意和创新。
1. machine Learning for Absolute Beginners: A Plain English Introduction
作者：Oliver Theobald
难度等级：初学者

文章插图

如标题所述，如果你是Machine Learning的初学者，那么这本书应该是你的切入点。需要很少或几乎没有编码或数学背景，在这本书已经全部概念解释的很清楚。
实例后面是视觉效果，以友善的方式介绍主题，以了解ML的重要性。
Oliver Theobald在他的书中简化了与ML相关的几个复杂主题，例如其基础知识，以及其他技术，例如数据清理，回归分析，聚类，偏差，人工神经网络等。该书还提供了进一步学习的其他资源。
2. Deep Learning
作者：Ian Goodfellow，Yoshua Bengio和Aaron Courville
难度等级：初学者
pdf中、英文版免费下载地址：个人主页点击“私信”，回复关键字“dlnew20”获取下载地址。
中文版购买链接：
深度学习中文版
￥127.68
购买

文章插图

作为一本非常适合初学者的书，它向你介绍了有关深度学习的广泛主题，同时还涵盖了机器学习的相关方面。
本书从头开始全面解释了DL的基本概念，以在该领域中扎实基础。这本书解释了线性代数，概率和信息论，数值计算，行业标准技术（例如优化算法，卷积网络，计算机视觉）以及研究主题（例如蒙特卡洛方法，分区函数）的相关概念。捆绑了足够的补充材料，以进行更深入的了解。
3. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems (First/Second Edition)
作者：Aurelien Geron
难度等级：初学者
中文版、英文版pdf免费下载地址：个人主页点击“私信”，回复关键字“hd2020”获取下载地址。
中文版购买链接：
机器学习实战
￥95.2
购买

文章插图

对于打算从机器学习或该领域的爱好者开始的任何人来说，这无疑是最畅销的书之一。要求具备Python编程语言的先验知识，它解释了一些用于构建智能系统的ML库Scikit-Learn，Keras和TensorFlow 2 。
直观解释的概念和易于实现的示例可实现更流畅的实际实现和理解。涉及主题包括支持向量机，随机森林，神经网络，深度强化学习，急切执行，时间序列处理等。本书包含一些库和相关API的更新代码示例。
补充：你还可以在GitHub上（
https://github.com/goodfeli/dlbook_exercises）找到包含幻灯片（
http://www.deeplearningbook.org/lecture_slides.html）和练习（
http://www.deeplearningbook.org/exercises.html）的讲座。
4. Machine Learning (in Python and R) For Dummies
作者：John Paul Mueller和Luca Massaron
难度等级：初学者
中文版购买链接：
机器学习之路
￥52.54
购买

文章插图

著名的“傻瓜”系列中的所有书籍都非常适合新手使用。像本系列丛书中的其他书籍一样，本书的概念布局也使读者容易理解。
本书包括ML入门概念和理论，以及所涉及的工具和编程语言。本书涵盖的主题从在windows，linux和macOS上安装R开始，然后是Matrix Creation，使用Vectors和Data Frames，使用RStudio或Anaconda使用R或Python进行编码。它是有关数据挖掘和分析的基本概念的便捷指南。