【资源】机器学习和神经网络实践：书籍及博客推介

【新智元导读】前几天我们向大家推荐了自学成为 Data Scientist 在线课程系列，很多人纷纷收藏和分享。今天新智元再针对数学，为大家介绍几本书和相关资料。你或许没有强大的数学基础，你或许都还没完全搞明白机器学习是怎么回事儿，但这些都不重要。还是那句话，现在网络资源那么丰富，只要想学就没有不可能，这就是AI时代极客精神！

Make Your Own Neural Network （by Tariq Rashid）

这本书细致地带领读者了解神经网络中所涉及的数学知识，并教读者怎样自己使用 Python 编程。神经网络是深度学习和人工智能的一个关键元素，然而很少人真正明白神经网络是怎么回事。这本指南性书籍将带读者深入浅出地建立对神经网络运作的理解。你不需要知道中学以后的任何数学，书中还有附有对微积分的介绍（如果你把大学的数学都忘了）。这本书的目的就是使尽可能多的人从零认识神经网络，市面上的入门级书籍其实非常稀缺！

书中的第1部分用大量例子和插图介绍了神经网络的数学思想基础。第2部分你将学习用 Python 制作自己的神经网络，教它识别人类手写的数字，使其达到专业开发者的水平。第3部分将进一步把神经网络的性能提高到业界领先的98％的准确率，仅用简单的想法和代码，就能最终在手机上进行测试。

另外这本书还有一个对应的 Github 库，里面有所有的辅助资源：

https://github.com/makeyourownneuralnetwork/makeyourownneuralnetwork/pulls

Medium：Machine Learning is Fun！（by Adam Geitgey）

如果你看完上一本书，也跟着动手实践起来了，你肯定也会喜欢接下来要介绍的内容。Machine Learning is Fun！并不是一本真正的书，是一个分为六部分的连载博客（上一次更新是在2016-12-24，大家可以持续关注）。新智元已经介绍过最新的 Part 6，内容有关用深度学习做语音识别。

这一系列里面运用了很多实际生活中的问题，引导读者去思考其背后的机器学习逻辑。因为作者在博客中插入了大量的图片，让理解很多概念都变得容易起来，真正使人乐在其中。

在这里，你会学到如何去猜测房价，如果让机器设计游戏，如果识别图片中的人脸，如果像Alexa一样识别语音等等。如果把这个大问题的简单逻辑和设计方法都掌握了，会为思维敞开一扇大学，然后再去系统地学习理论知识更能比先坐在教室里学习基础，要有效得多。

系列博客地址： https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471#.tynr6wnca

Deep Learning（by Ian Goodfellow, Yoshua Bengio, Aaron Courville）

光看这本书的作者们就知道这是一本重量级、必读的有关深度学习教科书。Goodfellow 现在是 OpenAI 首席科学家，Bengio 和 Courville 是加拿大蒙特利尔大学的明星教授。这本书在亚马逊的售价是72美金，但是其实已经向公众免费公开了所有内容，打开链接你会发现网站上还附上一些练习和教学视频（重量级专家不愧是重量级专家）。和上面两本书不同的是，这本书更系统化的梳理了知识结构，需要读者有一定的数学基础。

这本教科书介绍了线性代数、概率论、信息论、数值计算和机器学习的相关概念；当前计算机从业者使用的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模等实用方法论；并且介绍了自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学和视频游戏的应用； 最后，以研究者的视角，介绍了线性因子模型、自动编码器、表示学习、结构概率模型、蒙特卡罗方法、分区函数、近似推理和深度生成模型等理论主题。

地址：http://www.deeplearningbook.org

其他实用教程

Tensorflow for Poets

https://petewarden.com/2016/02/28/tensorflow-for-poets/

Recurrent Neural Networks for Artists

http://blog.otoro.net/2017/01/01/recurrent-neural-network-artist/

Simple Reinforcement Learning with Tensorflow

https://medium.com/emergent-future/simple-reinforcement-learning-with-tensorflow-part-0-q-learning-with-tables-and-neural-networks-d195264329d0#.rq3koxw0f