前不久，和几位AI/python和数据分析领域的大神请教入行的初学者应该准备哪几本书？他们强烈推荐这11本神书01《机器学习的数学》宾大页个人推荐指数：★★★★此书来自宾夕法尼亚大学计算机与信息科学系，涵盖代数，拓扑，微积分和优化理论，提供免费PDF下载(链接见文末)。打开细看，一股丰盛的数学大餐的气息迎面扑来：内置9大章节，页全面丰富的计算机科学和机器学习相关数学知识，有教学，还有习题。02《深度学习》页个人推荐指数：★★★★★《深度学习》又名：花书，由全球知名的三位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。03《自然语言处理综论》页个人推荐指数：★★★★★本书是一本全面系统地讲述计算机自然语言处理的优秀教材。本书英文版出版之后好评如潮，国外许多著名大学纷纷把本书选为自然语言处理和计算语言学课程的主要教材，该书被誉为该领域教材的“黄金标准”。本书包含的内容十分丰富，分为四个部分，共21章，深入细致地探讨了计算机处理自然语言的词汇、句法、语义、语用等各个方面的问题，介绍了自然语言处理的各种现代技术。04《统计学习方法》-李航页个人推荐指数：★★★★★想学数据挖掘或者机器学习不可避免要接触数学相关理论，尽管你可以只用sklearn等做机器学习，但不懂底层理论，是无法做深入的，而这本书，就是给你打好机器学习基础的书，先修内容大学数学三件套（高等数学、线性代数、概率论与数理统计），如果你不是数学基础特别好，看这本书的时候会像我一样看不懂一些公式推导，莫慌，百度一下别人的学习笔记或者技术博客，慢慢钻研，本书适合看多次，每次都有新的收获，书本身不厚，页，建议边看边将感悟推导公司等写在旁边，方便下次看。05《模式识别与机器学习》页个人推荐指数：★★★★微软剑桥研究院实验室主任ChristopherBishop的经典著作《PatternRecognitionandMachineLearning》，中文译名《模式识别与机器学习》，简称PRML，此书涵盖面十分广泛，语言通俗，例子和习题更加详细，附带更多基础性的讲解和指引，难度梯度设置更为合理，是其深受广大中老年PHD朋友喜爱的原因。《模式识别与机器学习》内容十分丰富，共有14章的内容，每一章都是干货满满。毫无疑问，PRML实乃入门必读之圣书！豆瓣评分高达9.5分。06《神经网络与深度学习》页个人推荐指数：★★★一本由美国量物理学家、科学作家MichaelNielsen编写的非常好的深度学习入门书籍-《NeuralNetworkandDeepLearning》，中文译为《神经网络与深度学习》。这是一本解释人工神经网络和深度学习背后核心思想的免费在线书籍。07《MachineLearningYearning》页个人推荐指数：★★★★NG本人说：“AI，机器学习和深度学习正在逐渐改变越来越多的行业。我写这本书《MachineLearningYearning》的目的就是教会大家如何构建自己的机器学习项目。这本书的目的不是教你机器学习算法理论，而是教你如何使用这些算法。一些技术AI课程会给你锤子工具，而这本书就是让你学会如何使用这些锤子工具。如果你致力于成为AI技术领导者并渴望为你的团队找到正确的方向。”这本书《MachineLearningYearning》能够从以下几个方面给你带来收获：优先考虑AI项目最有前途的方向。调试机器学习项目中的错误。在复杂设置中构建ML，例如训练/测试样本不匹配。构建一个ML项目，接近甚至达到人类水平。知道什么时候、如何使用端对端学习、迁移学习和多任务学习。08《动手学深度学习》页个人推荐指数：★★★★特别介绍一下，李沐大神的《动手学深度学习》，此书被国内的人民邮电出版社发行了纸质版，深受大批学习者的
转载请注明：http://www.aierlanlan.com/rzdk/7643.html
