选自mentorCruise

整理编译：魔王

这些书籍涵盖了基础知识、编程技能、实际应用等多个方面。经典的《深度学习》也在书单之中。

学习机器学习难吗？通过个人经历，我们可以告诉你确实很难。即使多次阅读“西瓜书”，一看到公式还是感到头疼；尽管三年前就开始看吴恩达的课程，到现在还没有完成……看来，不认真学习是不行的。

国内学习机器学习的资源丰富，包括周志华老师的《机器学习》（即“西瓜书”）、李航老师的《统计学习方法》、李宏毅老师的“宝可梦课程”等，这些都是大家较为熟悉的资源。

那么，机器学习专家和行业人士推荐哪些书籍呢？近期，我们咨询了十多位机器学习研究者，包括斯坦福大学毕业生、谷歌大脑前员工Denny Britz，维基媒体基金会机器学习负责人、《Machine Learning with Python Cookbook》作者Chris Albon，DeOldify的发明者Jason Antic等人。他们列出了自己最喜欢的机器学习书籍，涵盖了基础、编程、实际应用、高级领域以及理论与历史。

基础知识

了解机器学习的概念需要掌握基础知识，不仅要理解概念本身，还要理解其推导过程和运行原理。

以下是机器学习专家推荐的一些书籍，帮助你掌握基础知识：

1. 《An Introduction to Statistical Learning》

   • 地址：https://faculty.marshall.usc.edu/gareth-james/ISL/ISLR%20Seventh%20Printing.pdf
   • 推荐人：维基媒体基金会机器学习负责人Chris Albon
   • 推荐语：这本书简单易懂，适合本科生和研究生阅读，数学要求不高。

2. 《The Elements of Statistical Learning》

   • 地址：https://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12.pdf
   • 推荐人：MentorCruise数据科学讲师
   • 推荐语：这本书更深入，是该领域的权威之作，且可以免费获取。

3. 《Pattern Recognition and Machine Learning》

   • 地址：https://www.springer.com/gp/book/9780387310732?ref=mentorcruise
   • 推荐人：斯坦福大学毕业生、谷歌大脑前员工Denny Britz
   • 推荐语：这本书由Bishop撰写，适合研究生学习和机器学习研究人员及从业者阅读。

4. 《Mathematics for Machine Learning》

   • 地址：https://mml-book.github.io/
   • 推荐人：自然语言处理和数据工程师Stephen Gabriel
   • 推荐语：这本书旨在鼓励学习数学概念，不涉及高阶的机器学习技术，可以提供其他进阶书籍所需的数学知识。

5. 《Deep Learning》

   • 地址：https://www.deeplearningbook.org/?ref=mentorcruise
   • 推荐人：Uizard联合创始人、CEO Tony Beltramelli
   • 推荐语：这本书被誉为深度学习领域的经典之作，由该领域的先驱学者撰写，介绍了基础知识、高阶原则和方法。

6. 《Deep Learning from Scratch》

   • 地址：https://www.oreilly.com/library/view/deep-learning-from/9781492041405/?ref=mentorcruise
   • 推荐语：这本书通过实践的方式介绍了基础方法和理论，适合初学者。

编程书籍

编程是构建算法和复杂机器学习系统的基石。以下书籍可以帮助你开始编程的学习之旅：

1. 《The Pragmatic Programmer》

   • 地址：https://pragprog.com/titles/tpp20/?ref=mentorcruise
   • 推荐人：DeOldify创造者Jason Antic
   • 推荐语：这本书强调了软件编程与机器学习之间的重叠，学习软件编程对机器学习有很大帮助。

2. 《Refactoring》

   • 地址：https://martinfowler.com/books/refactoring.html?ref=mentorcruise
   • 推荐人：DeOldify创造者Jason Antic
   • 推荐语：这本书由Martin Fowler撰写，是关于如何安全快速地转换代码的指南。

3. 《R for Data Science》

   • 地址：https://r4ds.had.co.nz/?ref=mentorcruise
   • 推荐人：Kaggle产品经理Meg Risdal
   • 推荐语：这本书旨在帮助你学习R语言中用于数据科学的重要工具，Python并非唯一选择。

实际应用

如果你只是停留在脑海中的想法，那么机器学习就失去了意义。以下书籍可以帮助你设计理想的机器学习算法，解决实际问题，构建机器学习系统：

1. 《Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow》

   • 地址：https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/?ref=mentorcruise
   • 推荐语：这本书由Aurélien Géron撰写，介绍了机器学习基础知识以及如何将其应用于实际场景。

2. 《Deep Learning for Coders with fastai and PyTorch》

   • 地址：https://www.oreilly.com/library/view/deep-learning-for/9781492045519/?ref=mentorcruise
   • 推荐人：DeOldify创造者Jason Antic
   • 推荐语：这本书非常适合fastai课程的学员，详细介绍了深度学习的基础概念和应用。

3. 《Grokking Deep Learning》

   • 地址：https://www.manning.com/books/grokking-deep-learning?ref=mentorcruise
   • 推荐语：这本书详细讲解了如何从零开始构建深度学习神经网络，适合希望深入了解神经网络训练过程的读者。

4. 《Natural Language Processing in Action》

   • 地址：https://www.manning.com/books/natural-language-processing-in-action?ref=mentorcruise
   • 推荐人：自然语言处理和数据工程师Stephen Gabriel
   • 推荐语：这本书教你如何利用Python及其NLP和AI相关包创建能够理解人类语言的机器。

5. 《Deep Learning with JavaScript》

   • 地址：https://www.manning.com/books/deep-learning-with-javascript?ref=mentorcruise
   • 推荐人：日本国立情报学研究所人文开放数据中心研究员Tarin Clanuwat
   • 推荐语：这本书展示了如何在JavaScript中使用TensorFlow.js构建深度学习应用，无需依赖Python或R。

6. 《TinyML》

   • 地址：https://www.oreilly.com/library/view/tinyml/9781492052036/?ref=mentorcruise
   • 推荐语：这本书关注的是微型化的机器学习，例如在Arduino微处理器上运行的小型机器学习模型，通常只有几KB大小。

高级领域

当你已经掌握了基础知识后，是时候学习一些高阶和专门的概念了。以下书籍可以帮助你了解这些高级领域：

1. 《Strengthening Deep Neural Networks》

   • 地址：https://www.oreilly.com/library/view/strengthening-deep-neural/9781492044949/?ref=mentorcruise
   • 推荐人：MentorCruise创始人Dominic Monn
   • 推荐语：这本书探讨了深度神经网络在实际应用中可能遇到的安全攻击，提供了应对策略。

2. 《Reinforcement Learning: An Introduction》

   • 地址：https://web.stanford.edu/class/psych209/Readings/SuttonBartoIPRLBook2ndEd.pdf?ref=mentorcruise
   • 推荐人：斯坦福大学毕业生、谷歌大脑前员工Denny Britz
   • 推荐语：这本书被认为是强化学习领域的基础之作，适合工程师和科学家阅读。

3. 《Deep RL in Action》

   • 地址：https://www.manning.com/books/deep-reinforcement-learning-in-action?ref=mentorcruise
   • 推荐语：这本书介绍了深度强化学习的基础概念和术语，帮助你理解如何构建更复杂的系统。

4. 《Generative Deep Learning》

   • 地址：https://www.oreilly.com/library/view/generative-deep-learning/9781492041931/?ref=mentorcruise
   • 推荐语：这本书展示了如何让机器像人类一样绘画、写作和谱曲，适合机器学习工程师和数据科学家阅读。

5. 《Federated Learning》

   • 地址：https://www.amazon.de/Federated-Learning-Synthesis-Artificial-Intelligence/dp/1681736977?ref=mentorcruise
   • 推荐语：这本书介绍了联邦机器学习的概念，帮助你在保证数据隐私的情况下实现多数据源的协同训练。

理论与历史

了解AI的历史和发展过程非常重要。以下书籍可以帮助你理解AI的过去：

1. 《Alan Turing: The Enigma》

   • 地址：https://www.goodreads.com/book/show/150731.Alan_Turing?ref=mentorcruise
   • 推荐人：CompoundVC投资人Nicole Williams
   • 推荐语：这本书讲述了图灵的故事，他是人工智能和计算理论的重要人物。

2. 《The Second Self: Computers & the Human Spirit》

   • 地址：https://mitpress.mit.edu/books/second-self-twentieth-anniversary-edition?ref=mentorcruise
   • 推荐人：CompoundVC投资人Nicole Williams
   • 推荐语：这本书探讨了计算机作为社交和心理生活的一部分，讨论了计算机游戏和电子表格如何影响我们的自我认知和人际关系。

3. 《Gödel, Escher, Bach》

   • 地址：https://www.goodreads.com/book/show/24113.GdelEscher_Bach
   • 推荐人：MentorCruise创始人Dominic Monn
   • 推荐语：这本书通过探索逻辑学家哥德尔、艺术家埃舍尔和作曲家巴赫的作品，阐述了数学、对称性和智能的基础概念。

4. 《Prediction Machines》

   • 地址：https://www.amazon.com/Prediction-Machines-Economics-Artificial-Intelligence/dp/1633695670?ref=mentorcruise
   • 推荐语：这本书探讨了人工智能带来的剧变，帮助企业制定策略、政府设计政策以及个人规划生活，以适应一个与当前截然不同的世界。

原文链接：https://mentorcruise.com/books/ml