機器學習與深度學習書單

2021-02-25 人工智慧與大數據技術

來自：程式設計師閱讀指北（微信號：CodersRead）

機器學習簡單分類「點擊可查看大圖」

分類依據參考推薦圖書，不權威

說起機器學習的緣起，通常大家都會提到這兩位大佬：Arthur Samuel 和 Tom Mitchell。

1959 年，Samuel 首創 Machine Learning 一詞，他給 ML 下的非正式定義為：

 Field of study that gives computers the ability to learn without being explicitly programmed.

「沒有明確編程指令的情況下，能讓計算機學習的研究領域就是機器學習。」

這個定義比較概括，1998 年，Tom Mitchell 給出了一個更為精確的定義：

Well posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

「「對於某類任務 T 和性能度量 P，如果一個電腦程式在 T 上以 P 衡量的性能隨著經驗 E 而自我完善，那麼我們稱這個電腦程式在從經驗 E 學習。」 也就是說能夠隨著經驗積累自動提升性能。」

這個定義比較學術哈，畢竟是學術界大佬給的，咱就應付個開場哈，別覺得很無趣~ 

Arthur Samuel ，計算機科學家，人工智慧先驅，1956 年達特茅斯會議參與者，他寫了第一個真正的機器學習下棋程序。讓 Samuel 在機器學習領域揚名立萬的這篇文章發表在 IBM Journal of Research and  Development 上，文章叫：「Some Studies in Machine Learning Using  the Game of Checkers」 ，Samuel 彼時為 IBM 公司工程師。

Tom Mitchell ，機器學習領域先驅，卡內基梅隆大學教授，美國工程院院士，以人工智慧、機器學習、認知神經科學等領域貢獻著稱。1997 年出版  Machine Learning 一書。

機器學習是人工智慧的一種實現方法，其中涉及很多算法和模型。神經網絡就是當前非常受歡迎的一種機器學習模型，而深度學習是應用了深度神經網絡的機器學習。文章一開始的思維導圖中簡單地列出了一些比較常見的算法或者模型。

接下來我們就給出一些機器學習領域非常受歡迎或者比較有特色的圖書，我會儘量少推薦幾本。

程式設計師閱讀指北「機器學習」書單

粗略用工程派和學院派分類「點擊可查看大圖」

學院派圖書難度稍大，並不絕對

- 機器學習 - 

Python 神經網絡編程


作者：塔裡克·拉希德（Tariq Rashid） 

譯者：林賜 

原作名：Make Your Own Neural Network

不要被神經網絡嚇到，目測這本是所有圖書裡最簡單的，不少豆瓣網友寫書評號稱這本是文科生也能看懂的機器學習入門書。作者在前言裡表示他想讓中學生水平的讀者就能看明白這本書——用儘可能簡潔明了的方式介紹神經網絡的基本思路。看目錄可能是只用了 3 層神經網絡，所以還算是簡單的機器學習算法，而不是深度學習。


Machine Learning For Absolute Beginners: A Plain English Introduction



作者：Oliver Theobald


The Hundred-Page Machine Learning Book 

作者： Andriy Burkov 

這兩本書是英文版的，暫時沒看到中文版，都很薄，在 150 頁左右，是目前 Amazon 上比較受歡迎的入門書，從目錄和試讀看，讀起來都相對輕鬆，第一本數學公式很少，第二本多一些。

機器學習實戰：基於 Scikit-Learn 和 TensorFlow

作者：Aurélien Géron 
譯者：王靜源 / 賈瑋 / 邊蕤 / 邱俊濤 

原書名：Hands-On Machine Learning with Scikit-Learn and TensorFlow

這本是機器學習領域近年來的暢銷書，原版 Amazon 評價非常好。偏實戰，意在教你快速掌握構建人工智慧系統的概念和工具。它分兩部分講，前半部分講機器學習的基礎理論知識和基本算法，以 Scikit-Learn 實現，後半部分講深度學習和 TensorFlow，教你快速搭建和訓練深度神經網絡。


機器學習實戰


作者：Peter Harrington 

譯者：李銳，李鵬，曲亞東，王斌 

原書名：Machine Learning in Action

這本書算是工程領域的暢銷經典了，出得比較早，雖然是 Python 2.x 實現，至今依然很受歡迎。如果你不夠了解機器學習原理，但想快速通過代碼上手機器學習，那這本不錯，這也是很多自學者喜歡的路徑。


機器學習


作者：周志華 

被讀者稱為西瓜書，不僅因為封面上有西瓜，西瓜也是貫穿全書示例的主角。這本是國內最暢銷的機器學習圖書。作者在前言中說它是入門級教科書，意在理清機器學習領域基本概念，讓讀者了解領域概貌。實際上，可能更適合已經了解機器學習基本概念，想認識機器學習原理（Why）、數學公式、算法實現的小夥伴；或者作為有教師講解指導下的參考書。完全零基礎自學（尤其是計算機和數學功底不夠強）的讀者，恐怕會被虐。

西瓜書內容全面系統，排版精緻，書中給出了大量該領域的專業參考資料，方便大家深入學習，是原創學院派佳作。書後面也包括了深度學習和強化學習的內容。

統計學習方法 


作者：李航

又是一本評價非常好的原創圖書，介紹了支持向量機、Boosting、最大熵、條件隨機場等十個統計學習方法（也就是機器學習方法）。靠這本完全零基礎入門依然是比較吃力，適合看推導和理解算法原理。

其他推薦

「入門課程」

吳恩達的《機器學習》是公認的非常棒的機器學習入門線上課程，Coursera 上雖然也有翻譯，不過並不是以字幕形式：

https://www.coursera.org/learn/machine-learning/lecture/RKFpn/welcome；

英語吃力的同學，可以用網易公開課上的 CS229：https://open.163.com/movie/2008/1/M/C/M6SGF6VB4_M6SGHFBMC.html

「其他圖書」

An Introduction to Statistical Learning: with Applications in RThe Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second EditionMachine Learning: A Probabilistic Perspective

這四本書都是學院派的，第一本相對簡單，剩下的三本有難度。

- 深度學習 -

深度學習入門：基於 Python 的理論與實現

作者：齋藤康毅 

譯者：陸宇傑 

這本書是從日語翻譯過來的，原版就非常暢銷。這本算是入門入得比較徹底，不會用任何深度學習框架，而是教大家用 NumPy 庫和 Matplotlib 庫從零開始實現自己的深度學習模型。遇到必要的數學公式和原始碼都會一一講解。要說可能有部分讀者在意的地方是，只有圖像識別的示例，沒有自然語言處理、語音識別等的示例實現。

Python 深度學習


作者：弗朗索瓦·肖萊 

譯者：張亮（hysic）

原書名：Deep Learning with Python 

Keras 之父 François Chollet 的作品，非常棒的深度學習入門圖書，講得深入淺出、通俗易懂。文中採用了對深度學習初學者友好的 Keras 框架，涉及計算機視覺、自然語言處理、生成模型等應用。

TensorFlow：實戰 Google 深度學習框架（第2版）

作者：顧思宇，梁博文，鄭澤宇 

原創圖書中評價不錯的一本，TensorFlow 實戰入門書，版本是 1.4.0，注重通過實例講解實際問題。

前三本都是很棒的入門書，都不厚，前兩本不超過 300 頁，後面一本 300 多頁，建議看到學院派圖書頭大的讀者先讀這類書；一些只想了解簡單原理的朋友也可以優先選擇這類書。

深度學習


作者： 伊恩·古德費洛 / 約書亞·本吉奧 / 亞倫·庫維爾 

譯者：趙申劍，黎彧君，符天凡，李凱 

原書名：Deep Learning

大名鼎鼎的花書，被稱為深度學習領域聖經。作者之一 Yoshua Bengio，前幾天剛跟兩位亦師亦友的大神專家 Geoffrey Hinton 和 Yann LeCun 獲得了 2018 年度圖靈獎，三位都是深度學習領域頂級大佬。

花書是學院派經典，非常全面系統綜合，不過呢，領域大部頭學起來也是需要些毅力。

- 強化學習 - 


Reinforcement Learning: An Introduction

作者：Richard Sutton，Andrew Barto 

強化學習領域聖經，是強化學習大佬 Sutton 和他的老師、也是強化學習發明人 Barto 的作品，學院派硬核書。這本書第一版是 1998 年出的，這些年堅持研究強化學習值得敬佩，在阿爾法狗大敗李世石之前，強化學習也算是冷門研究領域了。

其他推薦


「入門課程」

吳恩達《深度學習》：

https://www.coursera.org/specializations/deep-learning

網易雲課程字幕版：https://mooc.study.163.com/smartSpec/detail/1001319001.htm

「其他圖書」

Dive into Deep Learning 「李沐團隊《動手學深度學習》」
http://www.d2l.ai/index.html

Deep Reinforcement Learning Hands-On: Apply modern RL methods, with deep Q-networks, value iteration, policy gradients, TRPO, AlphaGo Zero and more

這本強化學習的書評價也不錯，適合工程派。

<End>

●編號799，輸入編號直達本文

●輸入m獲取文章目錄

程式設計師書庫

更多推薦《25個技術類公眾微信》

涵蓋：程序人生、算法與數據結構、黑客技術與網絡安全、大數據技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等

相關焦點

  • 2019年度最佳書單:深度學習+機器學習+強化學習
    ，為大家獻上的一份機器學習和深度學習的最佳書單 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。
  • 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)
    編輯：元子來源：floydhub【導讀】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。
  • 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。
  • 【薦書】機器學習最熱書單Top10,附深度學習等7大領域132本書目
    從這本書你將學習：探索機器學習環境，特別是神經網絡使用scikit-learn跟蹤端到端的示例機器學習項目探索幾種訓練模型，包括支持向量機、決策樹、隨機森林和集合方法使用TensorFlow庫構建和訓練神經網絡深入研究神經網絡架構，包括卷積網絡，循環網絡和深度強化學習學習訓練和scaling深度神經網絡的技巧
  • 谷歌機器學習速成課學前預備書單
    前提條件機器學習速成課程並不會假定或要求您預先掌握機器學習方面的任何知識。但是，為了能夠理解課程中介紹的概念並完成練習，您最好滿足以下前提條件：掌握入門級代數知識。 您應該了解變量和係數、線性方程式、函數圖和直方圖（熟悉對數和導數等更高級的數學概念會有幫助，但不是必需條件）。
  • 人工智慧及機器學習與深度學習揭秘
    深度學習、機器學習、人工智慧，這些代表著未來技術的流行語。在本文中，我們將通過一些真實案例討論機器學習和高階的深度學習。在21世紀技術官社區未來的文章中，我們會持續探討垂直行業人工智慧的應用。當然，本文的目的並不是讓你成為數據科學家，而是讓你更好的理解用機器學習都做什麼。
  • 12本深度學習書籍推薦:有入門,有深度
    這是這份書單中我認為最好的一本。因為它以實操的形式，通過流行的機器學習庫 Scikit-Learn 和谷歌的 TensorFlow 介紹了深度學習。第二本書是《深度學習》，這也可能是這份書單中最全面最完整的一本書。本書由深度學習領域的專家撰寫，作者為 Ian Goodfellow，Yoshua Bengio 和 Aaron Courville。
  • 人工智慧、機器學習、深度學習的區別是什麼?
    Artificial Intelligence：人工智慧；Machine Learning：機器學習；Deep Learning：深度學習概括地說，AI 目前主要用於描述一些可以進行智能化行為的設備或機器，機器學習是它的子集，而深度學習是機器學習的一個子集。如上圖所示，最外層的是人工智慧，中間層是機器學習，最裡層則是深度學習。
  • 機器學習漫談:深度學習的輝煌
    當一篇文章談人工神經網絡突破性進展時，作者很可能指的是深度學習。人工神經網絡是一種非線性統計建模工具，可以用於發現輸入和輸出之間的關係，或在大型資料庫中發現模式。人工神經網絡已應用於統計模型開發、自適應控制系統、數據挖掘模式識別和不確定性下的決策。深度學習是基於人工神經網絡和表示學習的一系列機器學習方法的一部分。學習可以是有監督的、半監督的或無監督的，甚至強化學習的。
  • 一文讀懂深度學習與機器學習的差異
    機器學習和深度學習變得越來越火。突然之間，不管是了解的還是不了解的，所有人都在談論機器學習和深度學習。無論你是否主動關注過數據科學，你應該已經聽說過這兩個名詞了。下文詳細解釋了機器學習和深度學習中的術語。並且，我比較了他們兩者的不同，別說明了他們各自的使用場景。什麼是機器學習和深度學習?讓我們從基礎知識開始：什麼是機器學習？和什麼是深度學習？
  • AI人工智慧、ML機器學習&DL深度學習
    機器學習發展歷程，2000-2006年的流形學習、2006年-2011年的稀疏學習、2012年至今的深度學習。常用的10大機器學習算法有：決策樹、隨機森林、邏輯回歸、SVM、樸素貝葉斯、K最近鄰算法、K均值算法、Adaboost算法、神經網絡、馬爾科夫。
  • 機器學習VS深度學習,兩者區別在哪裡?
    機器學習是指令計算機按照設計與編程算法行事的技術。它允許計算機利用業已存在的數據進行學習。深度學習中的每種算法皆經過相同的學習過程。深度學習包含輸入內容的非近線變換層級結構，可用於創建統計模型並輸出對應結果。機器學習過程使用以下步驟進行定義：● 確定相關數據集並準備進行分析。● 選擇要使用的算法類型。● 根據所使用的算法構建分析模型。● 立足測試數據集進行模型訓練，並根據需要進行模型修改。
  • 【最全開工乾貨】深度學習書單、文獻及數據集(共446項)
    隨著無人機和智慧機器人在春晚亮相，想必許多人會對「人工智慧」、「機器學習」，「深度學習」這些科技熱詞充滿了好奇。為此，新智元給眾多熱愛人工智慧領域的讀者準備了一份豐厚的大理。小編深知許多對人工智慧領域感興趣的讀者可能還不知如何入手該領域，那麼，小編建議就從了解深度學習開始吧！新智元為學習深度學習的初學者整理了一份非常全面的書單，下面就隨小編一起來看看這份書單中包含哪些板塊的內容呢？
  • 一文讀懂機器學習與深度學習的聯繫與區別
    目標本文中，我們將深度學習與機器學習作比較。我們將逐一了解他們。我們還會討論他們在各個方面的不同點。除了深度學習和機器學習的比較，我們還將研究它們未來的趨勢。對比介紹深度學習和機器學習a. 什麼是機器學習？通常，為了實現人工智慧，我們會使用機器學習。
  • 深度學習書單、文獻及數據集
    ：新智元 微信號：AI_era新年伊始，相信每個人已經制定好了自己2016年的計劃。隨著無人機和智慧機器人在春晚亮相，想必許多人會對「人工智慧」、「機器學習」，「深度學習」這些科技熱詞充滿了好奇。小編深知許多對人工智慧領域感興趣的讀者可能還不知如何入手該領域，那麼，小編建議就從了解深度學習開始吧！
  • 人工智慧、機器學習和深度學習的區別和聯繫
    機器學習直接來源於早期的人工智慧領域，傳統的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。從學習方法上來分，機器學習算法可以分為監督學習（如分類問題）、無監督學習（如聚類問題）、半監督學習、集成學習、深度學習和強化學習。
  • 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。包括數學基礎、計算機編程基礎、機器學習和深度學習的相關公開課程（本文最後提供了如何找到這些公開課資源的方式）和經典教材。1. 數學基礎1.1 線性代數Gilbert Strang. 18.06: Linear algebra. MIT, 2011.
  • 人工智慧,機器學習和深度學習之間的差異是什麼?
    ，甚至是深度學習。人工智慧，機器學習和深度學習都是屬於一個領域的一個子集。但是人工智慧是機器學習的首要範疇。機器學習是深度學習的首要範疇。深度學習是機器學習的一個子集，機器學習是人工智慧的一個子集這個領域的興起應該歸功於深度學習。人工智慧和機器學習這個領域近年來一直在解決一系列有趣的問題，比如從自動化的雜貨店購買到自動駕駛汽車。
  • 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？
  • AI | 怎樣快速入門機器學習和深度學習?
    編者按：入門機器學習和深度學習並不是一件容易的事情。需要學習大量的知識，初學者常常會迷茫不知所措。現在我們給你帶來一篇純乾貨，幫助你入門機器學習和深度學習。你跟siri說hi自動映射到回答hello～一天學會深度學習-李宏毅給大家推薦一些書，同時提醒大家一些坑。書大致可以分為三類『科普書籍』『機器學習算法書籍』『編程書籍』。1.