荐读|五本最受欢迎的机器学习免费电子书及下载

如果对机器学习有所了解,想必对 KDnuggets 这个网站并不陌生。它们上个月举行了一个机器学习电子书评选,经过网友们的热心票选,得到了一份五大免费书的榜单,而且是免费的,编译如下。

No.1 机器学习导论(Introduction to Machine Learning)

这本不到 170 页的书由斯坦福人工智能教授 Nils J. Nilsson 所著,结合了他在上世纪 90 年代中期的一些研究,对机器学习做了一个初步的介绍。由于成书时间比较古老,所以里面并没有提到现在比较流行的一些新研究发现。但书里所提到的基本概念都是历久弥新的,值得一读。

下载地址:http://ai.stanford.edu/~nilsson/mlbook.html

No.2 理解深度学习:从理论到算法(Understanding Machine Learning: From Theory to Algorithms)

听起来有种《从优秀到卓越》的感觉,然而这本书可是耶路撒冷希伯来大学教授Shai Shalev-Shwartz和滑铁卢大学教授ShaiBen-David 所写,这本书相对于第一本推荐书而言更加关注前沿科技,对算法也做了更多的介绍,可以说比较务实。不过,里面有些内容可能对初学者来说有点难,可以当做选读尝试理解一下。

下载地址:http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/copy.html

No.3 《贝叶斯推理与机器学习》(Bayesian Reasoning and Machine Learning)

如果提到贝叶斯推理,想必这本书是最为著名的一本,对概率机器学习感兴趣的人,读它就对了。在亚马逊上,明尼苏达大学的 Arindam Banerjee 在评论里表示,这本书很适合作为介绍读物,供本科高年级学生或研究生了解。

下载地址:http://web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php?n=Brml.Online

No.4 《深度学习》(Deep Learning)

该书由 Goodfellow、Bengio 和 Courville 一同合著,很快就要出版,不过在官网上有免费的电子版本。这本书的目标读者是学习机器学习专业的本科生及研究生,或是那些已经开始进军深度学习及人工智能产业的人。如果你是一名缺乏机器学习或统计学背景的软件工程师,但希望快速入门并在工作上运用相关技能的话,这本书也可以帮助你。

下载地址:http://www.deeplearningbook.org/

No.5《增强学习:导论》(Reinforcement Learning: An Introduction)

Sutton和Barto合著的这部经典教材很快要出第二版纸质书,而网络上也已经有电子版。

AlphaGo作为增强学习的代表,让后者为人所知,而它也成为了实现自动驾驶及其它同类应用的重要技术手段。无可质疑的是,机器学习与增强学习的结合,已经成为实现通用AI的普遍共识。David Tan 在亚马逊是这样评价的:

“该书以翔实的例子和引人入胜的介绍让我们对增强学习有了初步了解。接下来以三章介绍了增强学习的三个概念,并在最后介绍了具体解决方案及算法实例。我认为计算机专业的学生都能读懂,但第八章涉及了一些神经网络的概念,可能相对难一些。”

下载地址在此:https://webdocs.cs.ualberta.ca/~sutton/book/bookdraft2016sep.pdf

五本书的下载地址都已附上,如果对机器学习感兴趣的小伙伴们,赶紧下载来看看吧。

内容来源:网络大数据

原文发布于微信公众号 - 灯塔大数据(DTbigdata)

原文发表时间:2016-11-14

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

来自专栏机器之心

资源 | CNN入门材料:《解析卷积神经网络——深度学习实践手册》

45010
来自专栏新智元

ResNet成为AlphaGo Zero核心技术,孙剑详解Zero的伟大与局限

【新智元导读】DeepMind迄今最强棋手AlphaGo Zero横空出世,其中一个重要组成部分是出自华人团队的深度残差网络ResNet。新智元采访了深度残差网...

3767
来自专栏量子位

NIPS风波 | 获奖者登台开炮:ML是炼金术,大神LeCun强硬回怼

夏乙 问耕 发自 凹非寺 量子位 出品 | 公众号 QbitAI 谁能想到,NIPS这种顶会都能风波乍起。 Ali Rahimi(阿里·拉希米),因为2007年...

2997
来自专栏AI科技评论

【深度】Nature:我们能打开人工智能的“黑箱”吗?

编者按:人工智能无处不在。但是在科学家信任人工智能之前,他们首先应该了解这些人工智能机器是如何运作的,这也就是文中所提到的“黑箱”问题。在控制论中,通常把所不知...

3166
来自专栏大数据文摘

机器也有品味:谷歌最新算法让街景图具有专业摄影师审美

1452
来自专栏玉树芝兰

文科生如何理解卷积神经网络?

不愿意看那一堆公式符号,却想知道卷积神经网络(Convolutional Neural Network)如何做图像分辨?分享一段我给自己研究生的讲解答疑视频,希...

1273
来自专栏大数据文摘

VR如何巧妙填补传统数据视觉化的漏洞

1794
来自专栏机器之心

NIPS大会最精彩一日:AlphaZero遭受质疑;史上第一场正式辩论与LeCun激情抗辩;元学习&强化学习亮点复盘

37010
来自专栏专知

AI与深度学习重点回顾:Denny Britz眼中的2017

【导读】近日,博客WILDML的作者Denny Britz把他眼中的2017年AI和深度学习的大事进行了一番梳理和总结:从AlphaGo的自主学习到AlphaG...

3515
来自专栏机器之心

习惯arXiv的今天,我们的论文应该引用预印本吗?

选自fossilsandshit 作者:Jon Tennant 机器之心编译 参与:吴攀、李泽南 不久之前,ICLR 匿名评审的方式引起了争议,参见机器之心文...

3578

扫码关注云+社区