小二,来一份机器学习书单!

编者注:澳大利亚机器学习专家、畅销书作者 Jason Brownlee,对机器学习领域的各类优质书籍进行了盘点,汇总成这份阅读指南。在 AI 研习社所筛选的学习资源中,这堪称是迄今为止最全面、最完整、权威性比较高的一份 ML 书单,涵盖了最值得学习者、从业者、开发者认真研读的精品书目。这份指南适合多样背景的读者:从想要了解机器学习的普通人,到入门新手,再到高阶开发者和学术研究人员。因此,AI 研习社对其进行编译整理,特来与大家分享。

友情提醒:该指南只考虑了英文市场的机器学习图书,适合大家作为国际市场高品质 ML 读物的参考。如周志华老师 《机器学习》等国内优秀著作并没有体现请读者见谅。

█ Jason Brownlee:

我喜欢书,对于搞到的每一本机器学习书籍,我都要去读。

我认为,有好的参考资源,是对你心中机器学习谜题进行“解惑”的最快方式。阅读多本书,你就有了看待疑难问题的多种角度。

▌这份指南中,你会发现机器学习领域最值得一读的好书。

有许多原因促使人们想要机器学习书籍。因此,我采用了三种不同方式对机器学习书籍进行分类、排列,使读者们能按图索骥快速查找。比方说:

  • 依据类别(难易):教材,科普等。
  • 依据话题:Python,深度学习等
  • 依据出版商:Packt,O’Reilly 等

所有书都包括了亚马逊、或京东链接,你可以点击链接了解更多。

▌如何使用这份指南?

  1. 找到一个你最感兴趣的话题
  2. 浏览所选类别的书目
  3. 购书、借书、下载
  4. 从头读到尾
  5. 重复以上过程

把书摆在家里、办公室显眼的地方,跟你读过那本书是两码事。别瞎搞收藏。

█ 1.0 依据难易水平

▌1.1 机器学习科普读物

这是面向普通大众的机器学习书目。它们让你体会到机器学习和数据科学的优点和益处,但免去了理论和应用细节。我还加入了一些个人非常喜欢的、偏“统计思维”的流行科普读物。

  • The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World 译本:终极算法:机器学习和人工智能如何重塑世界
  • Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die 译本:大数据预测
  • The Signal and the Noise: Why So Many Predictions Fail–but Some Don't
  • Naked Statistics: Stripping the Dread from the Data
  • The Drunkard's Walk: How Randomness Rules Our Lives

该类别的首选是: The Signal and the Noise

与上述读物的乐观相比,提供了反面观点的是:Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy.

▌1.2 初学者书籍

真正面向零基础初学者的机器学习书籍,基本上是一片空白。下面的这些书,既包含了科普读物(见 1.1)中使用机器学习的益处,也包含了多见于入门书籍(见 1.3)的应用细节,当然,只是对这些细节的初步简单介绍。

  • Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking
  • Data Smart: Using Data Science to Transform Information into Insight
  • Data Mining: Practical Machine Learning Tools and Techniques (第四版) 译本:数据挖掘:实用机器学习工具与技术(第三版)
  • Doing Data Science: Straight Talk from the Frontline 译本:数据科学实战

该类别的首选是:Data Mining: Practical Machine Learning Tools and Techniques (数据挖掘:实用机器学习工具与技术)

▌1.3 机器学习入门书籍

下面是菜鸟入门的首选书单。相当于本科生级别的机器学习资源,适合基础学习者以及开发者新手。它们覆盖了广泛的机器学习话题,倾向于“怎么做”,而非“为什么”或是探讨理论

  • Machine Learning for Hackers: Case Studies and Algorithms to Get You Started 译本:机器学习:实用案例解析
  • Machine Learning in Action 译本:机器学习实战
  • Programming Collective Intelligence: Building Smart Web 2.0 Applications 译本:集体智慧编程
  • An Introduction to Statistical Learning: with Applications in R 译本:统计学习导论:基于R应用
  • Applied Predictive Modeling 译本:应用预测建模

该类别的首选是:An Introduction to Statistical Learning: with Applications in R (统计学习导论:基于R应用)

1.4 (国外)机器学习教科书

下面是机器学习顶尖教材的列表。这些是研究生课程中会使用到的教科书,覆盖了一系列方法和背后的理论。

  • The Elements of Statistical Learning: Data Mining, Inference, and Prediction 译本:统计学习基础:数据挖掘、推理与预测
  • Pattern Recognition and Machine Learning
  • Machine Learning: A Probabilistic Perspective
  • Learning From Data
  • Machine Learning
  • Machine Learning: The Art and Science of Algorithms that Make Sense of Data 译本:机器学习
  • Foundations of Machine Learning

该类别的首选是: The Elements of Statistical Learning: Data Mining, Inference, and Prediction (统计学习基础:数据挖掘、推理与预测)

█ 2.0 依据话题

▌2.1 与 R 语言相关

R 语言平台的应用机器学习书目。

  • R for Data Science: Import, Tidy, Transform, Visualize, and Model Data
  • Machine Learning with R
  • Machine Learning With R Cookbook – 110 Recipes for Building Powerful Predictive Models with R 国内名为:R语言机器学习参考手册(英文影印版)
  • R Machine Learning By Example
  • R Machine Learning Essentials
  • Mastering Machine Learning with R
  • An Introduction to Statistical Learning: with Applications in R 译本:统计学习导论:基于R应用
  • Practical Data Science with R 译本:数据科学:理论、方法与R语言实践
  • Applied Predictive Modeling 译本:应用预测建模
  • R and Data Mining: Examples and Case Studies 译本:计算机科学丛书:R语言与数据挖掘最佳实践和经典案例

该类别的首选是:Applied Predictive Modeling(应用预测建模)

▌2.2 与 Python 相关

使用 Python 或 SciPy 语言平台的应用机器学习书目。

  • Python Machine Learning 国内名为:Python 语言构建机器学习系统(英文影印版)
  • Data Science from Scratch: First Principles with Python 译本:数据科学入门 (图灵程序设计丛书)
  • Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems
  • Introduction to Machine Learning with Python: A Guide for Data Scientists
  • Vital Introduction to Machine Learning with Python: Best Practices to Improve and Optimize Machine Learning Systems and Algorithms
  • Machine Learning in Python: Essential Techniques for Predictive Analysis 译本:Python机器学习:预测分析核心算法
  • Python Data Science Handbook: Essential Tools for Working with Data
  • Introducing Data Science: Big Data, Machine Learning, and more, using Python tools
  • Real-World Machine Learning

该类别的首选是: Python Machine Learning.

▌2.3 深度学习

深度学习书目。现在深度学习的好书不多,所以我只得用数量弥补质量。其中有许多专门针对 Tesnorflow 的教程。AI 研习社注:该类推荐书目“全军覆没”——没有一本书有中文译本。这或许是因为深度学习领域理论框架尚不完善,缺乏影响力巨大的著作。

  • Deep Learning
  • Deep Learning: A Practitioner's Approach
  • Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms
  • Learning TensorFlow: A guide to building deep learning systems
  • Machine Learning with TensorFlow
  • TensorFlow Machine Learning Cookbook
  • Getting Started with TensorFlow
  • TensorFlow for Machine Intelligence: A Hands-On Introduction to Learning Algorithms

该类别毫无疑问的首选,是大神 Ian Goodfellow 等人编写的教科书:Deep Learning。

▌2.4 时间序列预测

时间序列预测领域最值得一读的书目。在该技术的应用方面,目前 R 语言是霸主。

  • Time Series Analysis: Forecasting and Control
  • Practical Time Series Forecasting with R: A Hands-On Guide
  • Introduction to Time Series and Forecasting
  • Forecasting: principles and practice

该类别的入门首选是:Forecasting: principles and practice.

该类别的首选教材是:Time Series Analysis: Forecasting and Control.

█ 3.0 依据出版商

有三个出版商在机器学习领域下了大力气,并且在认真出版图书。

它们是: O'Reilly, Manning 和 Packt。它们的焦点是应用书籍。AI 研习社提醒,该榜单上的书籍质量参差不齐:从严谨设计、编排的图书到装订在一起的博文。

▌3.1 O'Reilly 机器学习书籍

在它们的“数据”类别,O'Reilly 有超过 100 本图书,许多与机器学习相关。以下是最畅销的几本:

  • Programming Collective Intelligence: Building Smart Web 2.0 Applications 译本:集体智慧编程
  • Introduction to Machine Learning with Python: A Guide for Data Scientists
  • Deep Learning: A Practitioner's Approach
  • Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms
  • Data Science from Scratch: First Principles with Python 译本:数据科学入门
  • Python Data Science Handbook: Essential Tools for Working with Data

这些书中,Programming Collective Intelligence: Building Smart Web 2.0 Applications (集体智慧编程) 或许是开创了 O'Reilly 该目录的书,一直很受欢迎。

▌3.2 Manning 机器学习书籍

Manning 的书偏实用,并且质量还行,虽然数量没 O’Reilly 和 Packt 那么多。

  • Machine Learning in Action 译本:机器学习实战
  • Real-World Machine Learning
  • Introducing Data Science: Big Data, Machine Learning, and more, using Python tools
  • Practical Data Science with R 译本:数据科学:理论、方法与R语言实践

Manning 目录里较突出的一本是 Machine Learning in Action(机器学习实战),这也许同样是因为,它是该出版社在机器学习和数据科学领域的第一本。

▌3.3 Packt 机器学习书籍

感觉上 Packt 全面拥抱了数据科学和机器学习领域的图书出版。他们有一大堆针对晦涩难懂机器学习库的书。在流行话题上面,比如 R 和 Python,也有不少书籍出版。AI 研习社注:可惜的是,Packt 似乎不重视汉语市场,旗下主要机器学习图书并没有中文译本。

以下是一些较流行的书目:

  • Machine Learning with R
  • Python Machine Learning
  • Practical Machine Learning
  • Machine Learning in Java
  • Mastering .NET Machine Learning

原文发布于微信公众号 - AI研习社(okweiwu)

原文发表时间:2017-02-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数说工作室

异常值检测

之前发过一篇讨论文章——异常值怎么整。 在原文评论区里(戳此→异常值怎么整?| 讨论)得到了各位大大的指教,数说君也受益匪浅,现在整理一下供大家参考: 聚类 ...

37250
来自专栏数说工作室

P值之死

有一天,我走进统计学的神殿 ,将所有谎言都装进原假设的盒子里, “P值为零”, 一个声音传来, “但你已经不能再拒绝,因为,P值已经死了” 从此,这个世界上充斥...

40670
来自专栏量子位

干货分享 | 自然语言处理及词向量模型介绍(附PPT)

云脑科技机器学习训练营第二期,对自然语言处理及词向量模型进行了详细介绍,量子位作为合作媒体为大家带来本期干货分享~ 本期讲师简介 ? 樊向军 云脑科技核心算法工...

51370
来自专栏量子位

怎样用GAN生成各种胖吉猫?谷歌大脑程序员教你撩妹神技

Facebook聊天框里出道的灰色短毛猫Pusheen,是柔软的微胖界宠儿,中文名字叫胖吉。

17220
来自专栏深度学习自然语言处理

【概率论】基础之概率概论与集合论

概率论对于我们学习机器学习,深度学习等理论,还是自然语言处理,计算机视觉等应用都是很有用的。概率论和其他线性代数,微积分等还是不太一样的,概率这样的问题,就是在...

14730
来自专栏机器学习AI算法工程

用R语言构建神经网络模型评估银行客户信用的好坏

随着银行业务的扩展、P2P的出现、第三方支付提供个人贷、以及X宝等借贷平台的出现,使得个人信用评估在银行、第三方支付、商业借贷平台等上的应用越来越重要。本文利用...

37170
来自专栏量子位

AI研发新药真有那么神?可能哈佛、斯坦福和阿斯利康实验室都在吹牛

安妮 李林 编译自 Medium 量子位 出品 | 公众号 QbitAI ? 近年来,向往着用AI研发新药的美好愿景,巨头纷纷投下了重注。 制药巨头赛诺菲和AI...

38570
来自专栏新智元

褚达晨:深度学习青衫磊落险峰行,人工智能漫谈之一

【新智元导读】作者褚达晨认为,科技发展让人类借助计算机的能力,在一个超高维弯曲空间中,搜寻自然世界奥秘。而深度学习则是利用最近年发展起来的大算力,让计算机代替人...

29680
来自专栏AI科技大本营的专栏

仅靠一道简单的数学题,他就变成了Stack Overflow的数据科学家

古语有云,“学好数理化,走遍天下都不怕。” 人工智能时代尤其如此。 比如,写上几句基础的数学概念,天上就能掉下一个工作来……这是真事。 学概率的时候,我们会反复...

37170
来自专栏CSDN技术头条

MIT牛人梳理脉络详解宏伟现代数据体系

在过去的一年中,我一直在数学的海洋中游荡,research进展不多,对于数学世界的阅历算是有了一些长进。 【为什么要深入数学的世界】 作为计算机的学生,我没有任...

226100

扫码关注云+社区

领取腾讯云代金券