机器学习最热书单Top10，附深度学习等7大领域132本书目

掌握一个领域的知识须要系统的去学习，只经过一本书所学到的知识是远远不够的。此外，除了与该领域相关的技术，对应的产业发展也是格外重要。本文便以机器学习为例，由浅入深，并结合相关领域其它技术、产业等方面，为读者推荐了丰富的书目资源。

一张“迷你地图”，教你如何进击机器学习！

由图可见，想要进击机器学习，成为机器学习方面的专家，那么你须要从入门、深度学习、数据科学、R语言、Python、金融、专家级等多方面的书目，按部就班的进行修炼。

话很少说，来看与机器学习相关，最受欢迎的书目榜单Top10吧！

一、《Scikit-Learn 与 TensorFlow 机器学习实用指南》

英文书名：Hands-On Machine Learning with Scikit-Learn and TensorFlow

做者：Aurélien Géron

出版社：O'Reilly Media

这本书经过具体的例子、不多的理论以及两款成熟的Python框架：Scikit—Learn和TensorFlow，帮助你掌握构建智能系统所须要的概念和工具。你将会学习到各类技术，从简单的线性回归到深度神经网络。每章的练习有助于你运用所学到的知识，你只须要有一些编程经验就好了。

从这本书你将学习：

• 探索机器学习环境，特别是神经网络
• 使用scikit-learn跟踪端到端的示例机器学习项目
• 探索几种训练模型，包括支持向量机、决策树、随机森林和集合方法
• 使用TensorFlow库构建和训练神经网络
• 深刻研究神经网络架构，包括卷积网络，循环网络和深度强化学习
• 学习训练和scaling深度神经网络的技巧
• 应用实际代码示例，而无需学习过多的机器学习理论或算法细节

二、《面向数据科学家的实用统计学》

英文书名：Practical Statistics for Data Scientists: 50 Essential Concepts

做者：Peter Bruce & Andrew Bruce

出版社：O'Reilly Media

不少数据科学资源包括了统计方法，可是欠缺具备深度的统计学视角。若是你熟悉R语言编程，也对统计学有所了解，这份快速参考将帮助你搭建易学可达的知识桥梁。

从这本书你将学到：

• 为何探索性数据分析是数据科学的关键步骤
• 随机抽样如何减小误差，并产生更高质量的数据集，即便对于大数据也能如此
• 实验设计原则如何有助于获得问题的最终答案
• 如何使用回归来估计结果并检测异常
• 用于预测一个record属于哪一个类别的关键分类技术
• 从数据中“学习”的统计机器学习方法
• 用于从未标记数据中提取含义的无监督学习方法

三、Python深度学习

英文书名：Deep Learning with Python

做者：Francois Chollet

出版社：Manning Publications

本书介绍使用Python语言和强大的Keras库深刻深度学习领域。本书由Keras做者、Google AI研究员François Chollet撰写，经过直观的解释和实际例子帮助读者理解。你将在计算机视觉、天然语言处理和生成模型中应用具备挑战性的概念和实践。当学完本书时，你将拥有在本身的项目中应用深度学习的知识和实践技能。

从本书你将学习：

• 深度学习的基本原则
• 创建本身的深度学习环境
• 图像分类模型
• 文本和序列的深度学习
• 神经风格迁移、文本生成和图像生成

四、《深度学习》

英文书名：Deep Learning

做者：Ian Goodfellow, Yoshua Bengio & Aaron Courville

出版社：The MIT Press

这本“花书”被认为是名副其实的AI圣经。《深度学习》由深度学习领域三位前沿、权威的专家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著，长期位居美国亚马逊人工智能类图书榜首，中文版在去年出版后更是卖到断货。

该书从浅入深介绍了基础数学知识、机器学习经验以及现阶段深度学习的理论和发展，它能帮助人工智能技术爱好者和从业人员在三位专家学者的思惟带领下全方位了解深度学习。

这是一本教科书，又不仅是一本教科书，任何对深度学习感兴趣的读者，阅读本书都会受益。

五、《用于数据分析的Python：Pandas，NumPy和IPython》

英文书名：Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

做者：Wes McKinney

出版社：O'Reilly Media

本书由Python pandas项目的建立者Wes McKinney撰写，是对Python中数据科学工具的实用介绍。对于刚接触Python的分析师以及对数据科学和科学计算不熟悉的Python程序员来讲，本书是理想的选择。GitHub上提供了数据文件和相关资料。

阅读本书你将学习：

• 使用IPython shell和Jupyter notebook进行探索性计算
• 学习NumPy中的基本功能和高级功能
• 学习使用pandas库中的数据分析工具
• 使用灵活的工具加载、清理、转换、合并和重塑数据
• 使用matplotlib建立信息可视化
• 将pandas groupby工具应用于slice，dice块和汇总数据集
• 分析和处理规则和不规则的时间序列数据
• 经过详细示例了解如何解决实际的数据分析问题

六、《R 数据科学》

英文名称：R for Data Science: Import, Tidy, Transform, Visualize, and Model Data

做者：Hadley Wickham、Garrett Grolemund

出版社：O'Reilly Media

本书的目标是教会读者使用重要的数据科学工具，从而为实施数据科学奠基坚实的基础。 读完本书后，你将掌握R语言的精华，并可以熟练使用多种工具来解决各类数据科学难题。每一章都按照这样的顺序组织内容：先给出一些引人入胜的示例，以便你能够总体了解这一章的内容，而后再深刻细节。本书的每一节都配有习题，以帮助你实践所学到的知识。

本书适合R数据科学家阅读。

七、《Python 数据科学手册》

英文名称：Python Data Science Handbook: Essential Tools for Working with Data

做者：Jake VanderPlas

出版社：O'Reilly Media

本书是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家须要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它能够用Python高效地存储和操做大型数组；第3章主要涉及提供DataFrame对象的Pandas，它能够用Python高效地存储和操做带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。

本书适合有编程背景，并打算将开源Python工具用做分析、操做、可视化以及学习数据的数据科学研究人员。

八、《Python 机器学习》

英文名称：Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow

做者：Sebastian Raschka、Vahid Mirjalili

出版社：Packt Publishing - ebooks Account

机器学习正在吞噬软件世界，而深度学习正在扩展机器学习。 经过第二版Sebastian Raschka的畅销书《Python机器学习》，能够了解并实现机器学习、神经网络和深度学习的最前沿的知识。 本书使用最新的Python开源库进行了完全的更新，提供了建立机器学习，深度学习和现代数据分析所需的实用知识和技术。

从本书中，你将学到：

• 了解数据科学、机器学习和深度学习的关键框架
• 使用在机器学习中Python最新的开源库
• 使用具备挑战性的真实数据探索机器学习技术
• 使用TensorFlow库掌握深度神经网络
• 了解分类算法的机制，以实现最佳工做
• 使用回归分析预测连续目标结果
• 经过聚类发现数据中的隐藏模式和结构
• 使用情绪分析深刻挖掘文本和社交媒体数据

九、《Python袖珍指南》

英文名称：Python Pocket Reference: Python In Your Pocket (Pocket Reference (O'Reilly))

做者：Mark Lutz

出版社：O'Reilly Media

对于的Python 3.4和2.7而言，本指南是完美的实战快速参考。你从中将会学习有关Python类型和语句、特殊方法名、内建函数与异常、经常使用的标准库模块及其余的Python工具。

由Mark Lutz这位公认为的Python领导者编写的《Python袖珍指南（第五版）》，是仍由Mark编写的经典Python教程（《Learning Python》和《Programming Python》，O’Reilly出版）的理想助手。

本书涵盖内容：

• 内建对象类型，包括数字、列表、字典等更多内容
• 建立和处理对象的语句和语法
• 结构化和重用代码所用的函数与模块
• Python面向对象的编程工具
• 内建函数、异常和属性
• 专有运算符重载方法
• 普遍应用的标准库模块和扩展
• 命令行选项与开发工具
• Python的习语与提示
• Python的SQL数据库API

十、《统计学习基础》

英文名称：The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics)

做者：Trevor Hastie、 Robert Tibshirani

出版社：Springer

计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这致使了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具备共同的基础，但经常用不一样的术语来表达。《统计学习基础(第2版)(英文)》介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础(第2版)(英文)》内容普遍，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提高等主题，是同类书籍中介绍得*全面的。

《统计学习基础(第2版)(英文)》可做为高等院校相关专业本科生和研究生的教材，对于统计学相关人员、科学界和业界关注数据挖掘的人，《统计学习基础(第2版)(英文)》值得一读。

根据这张“迷你地图”，能够分为七个“领域”，各自都有相应的推荐书目。

新手进阶书目推荐

一、《Machine Learning For Absolute Beginners: A Plain English Introduction (Machine Learning For Beginners) 》

做者：Oliver Theobald

二、《Make Your Own Neural Network: An In-depth Visual Introduction For Beginners》

做者：Michael Taylor

三、《The Math of Neural Networks》

做者：Michael Taylor

深度学习相关书目推荐

一、《Deep Learning with Python》

做者：Francois Chollet

二、《Deep Learning: A Practitioner's Approach》

做者：Josh Patterson、Adam Gibson

三、《Neural Networks with R: Smart models using CNN, RNN, deep learning, and artificial intelligence principles》

做者：Giuseppe Ciaburro、Balaji Venkateswaran

数据科学相关书目推荐

一、《Data Science from Scratch: First Principles with Python》

做者：Joel Grus

二、《Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking》

做者：Foster Provost、Tom Fawcett

三、《Think Bayes: Bayesian Statistics in Python 》

做者：Allen B. Downey

R语言相关书目推荐

一、《ggplot2: Elegant Graphics for Data Analysis (Use R!) 》

做者：Hadley Wickham

二、《R Cookbook: Proven Recipes for Data Analysis, Statistics, and Graphics (O'reilly Cookbooks)》

做者：Paul Teetor

三、《R Graphics Cookbook: Practical Recipes for Visualizing Data 》

做者：Winston Chang

Python相关书目推荐

一、《Introducing Python: Modern Computing in Simple Packages》

做者：Bill Lubanovic

二、《Learning Python, 5th Edition》

做者： Mark Lutz

三、《Fluent Python: Clear, Concise, and Effective Programming》

做者：Luciano Ramalho

金融相关书目推荐

一、《Advances in Financial Machine Learning 》

做者：Marcos Lopez de Prado

二、《Building Winning Algorithmic Trading Systems, + Website: A Trader's Journey From Data Mining to Monte Carlo Simulation to Live Trading (Wiley Trading) 》

做者：Kevin J. Davey

三、《Algorithmic Trading: Winning Strategies and Their Rationale》

做者：Ernie Chan

专家级书目推荐

一、《Pattern Recognition and Machine Learning (Information Science and Statistics)》

做者：Christopher M. Bishop

二、《Machine Learning (McGraw-Hill International Editions Computer Science Series) 》

做者：Tom M. Mitchell

三、《Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning) 》

做者：Richard S. Sutton、Andrew G. Barto

更多相关书目推荐，请查阅原文连接：

Hands-On Machine Learning and its related books​

anvaka.github.io

关注公众帐号

【飞马会】

▼

weixin.qq.com/r/bThZQajE7… (二维码自动识别)

飞马会AI人工智能/大数据/技术管理等人员学习交流园地

weixin.qq.com/r/bThZQajE7… (二维码自动识别)

往期福利关注飞马会公众号，回复对应关键词打包下载学习资料；回复“入群”，加入飞马网AI、大数据、项目经理学习群，和优秀的人一块儿成长！

回复 数字“1”下载从入门到研究，人工智能领域最值得一读的10本资料（附下载）

回复 数字“2”机器学习 & 数据科学必读的经典书籍，内附资料包！

回复 数字“3”走进AI & ML：从基本的统计学到机器学习书单（附PDF下载）

回复 数字“4”了解人工智能，30份书单不容错过（附电子版PDF下载）

回复 数字“5”大数据学习资料下载，新手攻略，数据分析工具、软件使用教程

回复 数字“6”AI人工智能：54份行业重磅报告汇总（附下载）

回复 数字“7”TensorFlow介绍、安装教程、图像识别应用（附安装包/指南）

回复 数字“8”大数据资料全解析(352个案例+大数据交易白皮书+国内外政策汇篇)

回复 数字“9”干货 | 荐读10本大数据书籍（初级/中级/高级）成为大数据专家！

回复 数字“10”麦肯锡160页报告：2030年全球将可能8亿人要被机器抢饭碗

回复 数字“11”50本书籍大礼包：AI人工智能/大数据/Database/Linear Algebra/Python/机器学习/Hadoop

回复 数字“12”小白| Python+Matlab+机器学习+深度神经网络+理论+实践+视频+课件+源码，附下载！

回复 数字“13”大数据技术教程+书籍+Hadoop视频+大数据研报+科普类书籍

回复 数字“14”小白| 机器学习和深度学习必读书籍+机器学习实战视频/PPT+大数据分析书籍推荐！

回复 数字“15”大数据hadoop技术电子书+技术理论+实战+源代码分析+专家分享PPT

回复 数字“16”100G Python从入门到精通！自学必备全套视频教程+python经典书籍！

回复 数字“17”【干货】31篇关于深度学习必读论文汇总(附论文下载地址)

回复 数字“18”526份行业报告+白皮书：AI人工智能、机器人、智能出行、智能家居、物联网、VR/AR、 区块链等（附下载）

回复 数字“19”800G人工智能学习资料:AI电子书+Python语言入门+教程+机器学习等限时免费领取！

回复 数字“20”17张思惟导图，一网打尽机器学习统计基础（附下载）

回复 数字“21”收藏 |7本 Matlab入门经典教程书籍，不可错过！

回复 数字“22”吴恩达新书，教你构建机器学习项目：《Machine Learning Yearning》

回复 数字“23”机器学习：怎样才能作到从入门到不放弃？（内含福利）

回复 数字“24”限时下载 | 132G编程资料：Python、JAVA、C，C++、机器人编程、PLC，入门到精通~

回复 数字“25”限资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频，涵盖入门/中级/项目各阶段！

回复 数字“26”人工智能入门书单推荐，学习AI的请收藏好（附PDF下载）

回复 数字“27”资源 | 吴恩达斯坦福CS230深度学习课程全套资料放出（附下载）

回复 数字“28”懂这个技术的程序员被BAT疯抢...（内含资料包）

回复 数字“29”干货 | 28本大数据/数据分析/数据挖掘电子书合集免费下载！

回复 数字“30”领取 | 100+人工智能学习、深度学习、机器学习、大数据、算法等资料，果断收藏！

回复 数字“31”2G谷歌机器学习25讲速成课全集（中文版），限时下载

回复 数字“32”Matlab安装包+教程视频，让你从入门到精通！

回复 数字“33”程序员去阿里面试，没想到过程如此壮烈 （内含资料包）

回复 人工智能下载《FMI人工智能与大数据峰会嘉宾演讲PPT》

回复 AI 江湖下载《十大AI江湖领域》

回复 ML实践下载《机器学习实践经验指导（英文版）》

回复 DL论文下载《深度学习100篇以上论文资料》

回复 算法 下载《数据挖掘十大经典算法》

回复 6.10 下载《6.10饿了么&飞马网项目管理实践PPT》