2019年度最佳書單:深度學習/機器學習/強化學習(附部分電子書下載)
2021-02-25 CVer點擊上方「CVer」，選擇加"星標"或「置頂」
重磅乾貨，第一時間送達
本文轉載自新智元和深度學習工坊
編輯：元子
來源：floydhub
2019年馬上就要過去了25%了，你看書了嗎？關於機器學習和深度學習的書，你都看全了嗎？
別慌，這裡有一位機器學習創業者經過自己的挖掘和整理，為大家獻上的一份機器學習和深度學習的最佳書單，陪你度過2019剩下的3/4。
深度學習大神Ian Goodfellow, Yoshua Bengio, Aaron Courville合著的經典著作，花書的大名也是家喻戶曉了，這本書被譽為深度學習聖經。所以最好的方式是每天都去翻一翻，可能就會有不一樣的體會。
更為可貴的是，你可以獲得免費的在線版本、習題
https://www.deeplearningbook.org/
圖書簡介
本書介紹了深度學習的廣泛主題，提供數學和概念背景，涵蓋線性代數，概率論和資訊理論，數值計算和機器學習中的相關概念。它描述了業內從業者使用的深度學習技術，包括深度前饋網絡，正則化，優化算法，卷積網絡，序列建模和實用方法；它調查了自然語言處理，語音識別，計算機視覺，在線推薦系統，生物信息學和視頻遊戲等應用。最後，本書提供了研究視角，涵蓋了線性因子模型，自動編碼器，表示學習，結構化概率模型，蒙特卡羅方法，分區函數，近似推理和深度生成模型等理論主題。
TOP 2：Grokking Deep Learning
本書作者Andrew Trask是OpenMind的leader。這本書最大的特點就是號稱高中生也能看懂的深度學習教材。在本書中，Andrew試圖繞開數學公式，來科普什麼是深度學習，以及如何創建一個神經網絡。
圖書簡介
Grokking Deep Learning教你從頭開始構建深度學習神經網絡！ 在引人入勝的風格中，經驗豐富的深度學習專家Andrew Trask向你展示了深度學習背後的知識，因此你可以自己研究訓練神經網絡的每一個細節。只使用Python及其數學支持庫NumPy，你將訓練自己的神經網絡，以查看和理解圖像，將文本翻譯成不同的語言，甚至像莎士比亞一樣寫作！當你完成後，你將完全準備好繼續掌握深度學習框架。
下載傳送門：200頁的《深度學習圖解》（附電子書和源碼下載）
TOP 3：Deep Learning with Python
這本書也是非常有名了。Francois Chollet同時也是Keras的作者，本書的特點是善於使用類比來將深奧的深度學習知識變得更加淺顯易懂。而且本書聚焦於Python，是一本比較使用的書。
圖書簡介
本書直觀的解釋和實際例子構建你的理解。你將在計算機視覺，自然語言處理和生成模型中應用具有挑戰性的概念和實踐。當你學完本書，將擁有在自己的項目中應用深度學習的知識和實踐技能。
TOP 4：Hands-On Machine Learning with Scikit-Learn and TensorFlow
這本書最大的特點，就是名字有一公裡長。其次這本書也是一本偏實戰的教程，主攻Scikit-Learn和TensorFlow。除了圖文以外，你還可以在YouTube上觀看視頻講解。
https://www.youtube.com/channel/UCCvGd1WBMpFQ_vtC89VF2qA?&ab_channel=Aur%C3%A9lienG%C3%A9ron
圖書簡介
這本暢銷書的更新版本使用了具體的例子、最少的理論和兩個生產就緒的Python框架：Scikit-Learn和TensorFlow 2.0，幫助你直觀地理解構建智能系統的概念和工具。從業者將學習一系列可以在工作中快速使用的技術。第1部分使用Scikit-Learn來介紹基本的機器學習任務，例如簡單的線性回歸。第2部分已經過重大更新，採用Keras和TensorFlow 2.0引導讀者通過使用深度神經網絡的更先進的機器學習方法。通過每章的練習來幫助你應用所學知識，你只需要編程經驗即可開始使用。
下載傳送門：564頁的《Sklearn 與 TensorFlow的機器學習實用指南》（附電子書和源碼下載）
TOP 5：The Hundred-Page Machine Learning Book
這本書最大的特點就是只有100頁，但卻成為美亞上該領域暢銷書。而且更棒的是，可以下載到免費版本。
http://themlbook.com/wiki/doku.php
這本書的來歷也比較有趣。因為Andriy Burkov覺得市面上流傳的機器學習教材動輒幾百一千頁，所以他要出一本100頁、但同時又涵蓋所有必備知識點的書。顯然他做到了。
下載傳送門：百頁機器學習書，開放下載！
TOP 6：Reinforcement Learning: An Introduction (2nd Edition)
這本由大神Richard S. Sutton, Andrew G. Barto合著的強化學習教材，可以被認為是強化學習領域的聖經了，它的影響力和權威性毋庸置疑。當然其深度也是非常感人的，同樣建議時不時的翻翻。
TOP 7：Deep Reinforcement Learning Hands-On
沒錯，看名字就知道這是一本實操教材。本書做到了理論和實踐的平衡，既教你怎麼做，又教你為什麼，可能是最好的強化學習手冊了。
圖書簡介
Deep Reinforcement Learning Hands-On是最新DL工具及其局限性的綜合指南。本書介紹了RL的基礎知識，為你提供編碼智能學習智能體的專業知識，以承擔一系列艱巨的實際任務。了解如何在「網格世界」環境中實施Q-learning，教你的智能體商購買和交易股票，並了解自然語言模型如何推動聊天機器人的繁榮。
本書作者之一是一位華人。整部教材簡潔明了，被譽為「小吳恩達機器學習課程」，並隨書贈送教學視頻：
https://www.youtube.com/playlist?list=PLD63A284B7615313A
圖書簡介
本書是為機器學習的短期課程而設計的。這是一個短期課程，作者是加州理工學院，倫斯勒理工學院（RPI）和國立臺灣大學（NTU）的教授。作者還就金融和商業公司的機器學習應用進行了廣泛的諮詢，並在機器學習競賽中領導了獲獎團隊。
這本書就是一本充滿了為什麼的書，可以激發你的想像力。總之就很神奇，推薦一讀。
TOP 10：Machine Learning Yearning
這本書是吳恩達在百度和谷歌大腦領導深度學習團隊時獲得的多年實踐經驗的總結，很難得有人有機會接觸到這些大廠的核心資源，更難得能將這麼多年的經驗寫出來。本書絕對值得一讀！。
可解釋性正迅速成為深度學習中需要解決的熱門話題。如何獲知黑盒子內容仍然是深度學習的活躍研究領域，本書帶你了解可解釋性機器學習。
下載傳送門：238頁的可解釋機器學習（附電子書下載）
更多資料李宏毅 | 286頁的《一天搞懂深度學習》（附下載）
李宏毅 | 83頁的《深度學習的高級技巧》（附下載）
重磅 | 547頁的《動手學深度學習》 1.0 預發布版本（附電子書和源碼下載）
CVer學術交流群
掃碼添加CVer助手，可申請加入CVer-目標檢測交流群、圖像分割、目標跟蹤和GAN等群。一定要備註：研究方向+地點+學校/公司+暱稱（如目標檢測+上海+上交+卡卡）
▲長按加群
這麼硬的論文速遞，麻煩給我一個好看
▲長按關注我們
麻煩給我一個好看！
相關焦點
-
2019 年 12 個深度學習最佳書籍清單!值得收藏
這裡是 2019 年最佳機器學習和深度學習書籍的名單：《深度學習》by Ian Goodfellow, Yoshua Bengio, Aaron Courville《探索深度學習》by Andrew W. -
近200篇機器學習&深度學習資料分享
https://www.youtube.com/user/smolix （需FQ）《Awesome Machine Learning》介紹：一個超級完整的機器學習開源庫總結，如果你認為這個碉堡了，那後面這個列表會更讓你驚訝：【Awesome Awesomeness】，國內已經有熱心的朋友進行了翻譯中文介紹，機器學習數據挖掘免費電子書斯坦福《自然語言處理》課程視頻 -
Bengio、Sutton的深度學習&強化學習暑期班又來了,2019視頻已放出
每年夏季，Yoshua Bengio 等人都會組織深度學習&強化學習夏季課程，從理論到實踐，覆蓋機器學習發展前沿的方方面面。 -
【福利學習資料】3000本kindle電子書、814本書單及29個網址清單
能搜到99%電子書的網址清單3000本kindle電子書籍豆瓣評分前500名的書單110本產品經理必讀書單100本大學生必讀書單45本2019年度必讀書單36本網際網路運營必讀書單23本提升自我必讀書單 -
股票市場交易中的強化學習|機器學習|強化學習|深度學習
在深度學習的世界中，無論您的模型多麼先進，沒有充分對業務充分理解和乾淨的數據都不會走得太遠。這個事實在金融領域尤其如此，在我們的數據集中，只存在股票的開盤價，最高價，最低價，調整後的收盤價和交易量的5個變量。在第一幅圖中，不難發現這些原始數據值不足以訓練機器學習模型。高度相關的變量乍看起來似乎很有希望，但是相關係數極高的缺點是實際上沒有那麼多的信息。 -
「人工智慧師資班」(Python機器學習,圖像識別與深度學習,深度學習與NLP,知識圖譜,強化學習)
本次培訓分為Python機器學習，圖像識別與深度學習，深度學習與NLP，知識圖譜和強化學習五大專題。本次培訓由權威專家主講，提供實驗環境及實驗數據，並提供配套資料，通過剖析工程案例展現機器學習、深度學習落地全過程。培訓暫定2021年1月5日開始，每個專題6天左右，一共28天，直播集訓。本次培訓由淺入深，面向0基礎、不懂機器學習、不具備任何Python基礎的老師和同學。 -
機器喵大作戰 | 解剖人工智慧、機器學習和深度學習
而機器學習，又細分了很多種學習「方法」：有監督學習、無監督學習、強化學習、深度學習等等。先來簡單扒一扒各種學習方法——▌有監督學習比如，機器並不能學習並識別貓的模型，但是可從海量的貓圖片中，發現黑貓白貓兩大類，然後把他們分類。這，就是「無監督學習」。▌強化學習在機器學習中，還有一種方法，叫做強化學習，俗稱：打一巴掌，給個甜棗。 -
深度強化學習(一)----深度學習介紹系列
昨天大致介紹了機器學習與深度學習的基本概念，本系列的目錄，深度學習的優勢等。說到機器學習最酷的分支，非Deep learning和Reinforcement learning莫屬（以下分別簡稱DL和RL）。這兩者不僅在實際應用中表現的很酷，在機器學習理論中也有不俗的表現。深度強化學習是啥呢？簡單點說就是 深度學習 + 強化學習。深度學習和強化學習都不是啥新鮮事了，但是深度強化學習在Google 的DeepMind團隊的運作下，一下子變得非常紅火了。 -
機器學習和深度學習的最佳框架大比拼
如果把網撒得大些，可能還會覆蓋其他幾個流行的框架，包括Theano（一個10年之久的Python深度學習和機器學習框架），Keras（一個Theano和TensorFlow深度學習的前端），DeepLearning4j（Java和Scala在Hadoop和Spark之上的深度學習軟體）。如果你有興趣使用機器學習和神經網絡，你從來沒有像現在這樣多的選擇。 -
入門深度學習,讀對書很重要
在過去的一年多時間裡，研究人員奮筆疾書，競相出版專著，以滿足讀者對深度學習知識的渴求。第一本關於深度學習的書已經上架，更多的將會在夏天或者明年年初陸續上架。我有幸提前拜讀了若干專著的初稿，這些書的最終出版讓人期待萬分。接下來給大家推薦一些深度學習書籍，這些書可以引導大家如何學習人工智慧，對深度學習的快速理解有很大幫助。 -
【乾貨薈萃】機器學習&深度學習知識資料大全集(二)(論文/教程/代碼/書籍/數據/課程等)
【導讀】轉載來自ty4z2008（GItHub）整理的機器學習&深度學習知識資料大全薈萃，包含各種論文、代碼、視頻、書籍、文章、數據等等。是學習機器學習和深度學習的必備品！ 介紹:ICML2015 論文集,優化4個+稀疏優化1個；強化學習4個，深度學習3個+深度學習計算1個；貝葉斯非參、高斯過程和學習理論3個；還有計算廣告和社會選擇.ICML2015 Sessions. -
深度強化學習領域盤點系列 | 大神篇
關注：決策智能與機器學習，每天學點AI乾貨一個大師級的人物可以推動一個領域的發展，深度強化學習的發展得益於強化學習在深度學習和神經網絡的推動作用下的快速進步，在整個深度強化學習的發展過程中，有那麼一群頂尖學者起到了推動作用，下文將對每一位前沿學者進行介紹。 -
機器學習和深度學習的區別
人工智慧是一類非常廣泛的問題，機器學習是其中一個重要領域和手段，深度學習則是機器學習的一個分支。在很多人工智慧問題上，深度學習的方法突破了傳統機器學習的瓶頸，因而影響力迅速擴大。什麼是機器學習？機器學習擅長做什麼？當然是替代重複的人工勞動，用機器自動從大量數據中識別模式——也就是「套路」啦。 -
一書吃透機器學習!《機器學習基礎》來了,教材PDF、PPT可下載
今天，一本名為Foundations of Machine Learning（《機器學習基礎》）的課在Reddit上熱度飆升至300，裡面可謂內容豐富。不僅有500多頁的課程PDF可以下載，並且還有13章的PPT也可以獲取。 -
TensorFlow、機器學習、深度學習書籍推薦(文末送書)
清華大學出版社最近出了幾本不錯的書這次聯合【清華大學出版社】送大家3本書本書以機器學習為出發點，給想要進入此領域的初級開發人員搭建了一條從機器學習到無人駕駛的基礎學習路徑。本書結合近年來發展迅猛的機器學習算法（深度神經網絡、強化學習）詳細介紹了包含定位、預測、路徑規劃和車輛控制等一系列自動駕駛模塊。 -
機器學習&深度學習經典資料匯總(續)
Online learning，GPU Random forest，GPU CRF也會後續公開。《Hacker’s guide to Neural Networks》介紹：【神經網絡黑客指南】現在，最火莫過於深度學習（Deep Learning），怎樣更好學習它？ -
深度學習 vs 機器學習 vs 模式識別(附:機器學習經典教材PRML《模式識別與機器學習》官方開放免費下載了
機器學習是最基礎的（當下初創公司和研究實驗室的熱點領域之一）。而深度學習是非常嶄新和有影響力的前沿領域，我們甚至不會去思考後深度學習時代。我們可以看下圖所示的谷歌趨勢圖。可以看到：1）機器學習就像是一個真正的冠軍一樣持續昂首而上；2）模式識別一開始主要是作為機器學習的代名詞；3）模式識別正在慢慢沒落和消亡；4）深度學習是個嶄新的和快速攀升的領域。 -
入門者的機器學習/深度學習自學指南
尤其是深度學習的自學指南。此外，還有一些機器學習的經典教材。中文機器學習的經典教材。看這本書需要看三遍，對下面列舉的其他書也是一樣。第一遍快速翻一遍，了解大致講了什麼，每章都是幹啥的。第二遍拿出紙筆推敲其中的公式細節。這兩遍看完之後可以把書放一邊，看看別的材料或者完成一些實際的例子。過半年或者一年之後，這時已經有更深的體悟，再拿出來看第三遍，會發現書中剛開始看時注意不到的一些細節。 -
贈書開獎|周志華作序,魏秀參《解析深度學習》紙質書與電子書資源
：卷積神經網絡原理與視覺實踐》，在文章底部留言深度學習或者卷積神經網絡遇到的難點，以及你對深度學習的見解，點讚前5位與一位最優質書評可獲贈由電子工業出版社出版的魏秀參博士所著《解析深度學習：卷積神經網絡原理與視覺實踐》。 -
學習 TensorFlow、PyTorch、機器學習、深度學習和數據結構五件套!(附免費下載)
附上PDF雲盤下載連結，長按掃碼關注：Python與機器智能，後臺回復 五件套（建議複製）即可獲得百度網盤地址。包括簡單的環境搭建、快速入門相關 API、高級操作、圖像處理實戰、文本處理實戰、GAN 和強化學習等，基本涵蓋了目前所有深度學習相關的知識點。統計學習方法即機器學習方法，是計算機及其應用領域的一門重要學科。本書分為監督學 習和無監督學習兩篇，全面系統地介紹了統計學習的主要方法。