這里有一位機器學習創(chuàng)業(yè)者經(jīng)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

2019年馬上就要過去了25%了，你看書了嗎？關于機器學習和深度學習的書，你都看全了嗎？

別慌，這里有一位機器學習創(chuàng)業(yè)者經(jīng)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。

TOP 1：Deep Learning

深度學習大神Ian Goodfellow, Yoshua Bengio, Aaron Courville合著的經(jīng)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圣經(jīng)。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(shù)學和概念背景，涵蓋線性代數(shù)，概率論和信息論，數(shù)值計算和機器學習中的相關概念。它描述了業(yè)內(nèi)從業(yè)者使用的深度學習技術，包括深度前饋網(wǎng)絡，正則化，優(yōu)化算法，卷積網(wǎng)絡，序列建模和實用方法；它調(diào)查了自然語言處理，語音識別，計算機視覺，在線推薦系統(tǒng)，生物信息學和視頻游戲等應用。最后，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(qū)函數(shù)，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(shù)學公式，來科普什么是深度學習，以及如何創(chuàng)建一個神經(jīng)網(wǎng)絡。

圖書簡介

Grokking Deep Learning教你從頭開始構建深度學習神經(jīng)網(wǎng)絡！ 在引人入勝的風格中，經(jīng)驗豐富的深度學習專家Andrew Trask向你展示了深度學習背后的知識，因此你可以自己研究訓練神經(jīng)網(wǎng)絡的每一個細節(jié)。只使用Python及其數(shù)學支持庫NumPy，你將訓練自己的神經(jīng)網(wǎng)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！當你完成后，你將完全準備好繼續(xù)掌握深度學習框架。

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，本書的特點是善于使用類比來將深奧的深度學習知識變得更加淺顯易懂。而且本書聚焦于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(zhàn)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，就是名字有一公里長。其次這本書也是一本偏實戰(zhàn)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(chǎn)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(tǒng)的概念和工具。從業(yè)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(jīng)過重大更新，采用Keras和TensorFlow 2.0引導讀者通過使用深度神經(jīng)網(wǎng)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(jīng)驗即可開始使用。

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。

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圣經(jīng)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，既教你怎么做，又教你為什么，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(yè)知識，以承擔一系列艱巨的實際任務。了解如何在“網(wǎng)格世界”環(huán)境中實施Q-learning，教你的智能體商購買和交易股票，并了解自然語言模型如何推動聊天機器人的繁榮。

TOP 8：Learning From Data

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”，并隨書贈送教學視頻：

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***大學（NTU）的教授。作者還就金融和商業(yè)公司的機器學習應用進行了廣泛的咨詢，并在機器學習競賽中領導了獲獎團隊。

TOP 9：The Book of Why

這本書就是一本充滿了為什么的書，可以激發(fā)你的想象力?？傊秃苌衿妫扑]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(jīng)驗的總結，很難得有人有機會接觸到這些大廠的核心資源，更難得能將這么多年的經(jīng)驗寫出來。本書絕對值得一讀！。

TOP 11：Interpretable Machine Learning

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(nèi)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。