我問了十多位機器學習專家，得到了這份書單

學機器學習難不難？小編以親身經歷告訴大家，難！讀了好幾遍「西瓜書」仍然一看公式就頭大；三年前開始看吳恩達的課程，至今沒看完…… 看來不好好學習是不行的。

國內學習機器學習的資源包括 周志華老師的《機器學習》（西瓜書）、李航老師的《統計學習方法》、李宏毅老師的「寶可夢課程」等等，這些想必大家都比較熟悉了。

那麼，機器學習專家和行業人士最喜歡讀哪些機器學習書籍呢？最近，有人諮詢了十多位機器學習研究者，包括斯坦福畢業生、谷歌大腦前員工 Denny Britz，維基媒體基金會機器學習負責人、《Machine Learning with Python Cookbook》作者 Chris Albon，老照片修復神器 DeOldify 的創造者 Jason Antic 等等。

這些專家列出了他們最喜歡的機器學習書籍，涵蓋五個模塊：基礎、編程、實踐、進階領域，以及理論與歷史。

讀這些書，瞭解 ML 基礎知識

要想理解機器學習概念，首先你需要了解基礎知識。只知道概念還不夠，你還需要理解概念的推導過程及運行原理。

機器學習專家推薦了以下書籍，幫助你掌握機器學習基礎知識：

1. 《An Introduction to Statistical Learning》

書籍地址：https://faculty.marshall.usc.edu/gareth-james/ISL/ISLR%20Seventh%20Printing.pdf

推薦人：維基媒體基金會機器學習負責人 Chris Albon

推薦語：這本書比較基礎，清晰簡潔地解釋了機器學習概念，在本科生和研究生中廣受歡迎。而且這本書對數學的要求不高。

2. 《The Elements of Statistical Learning》

書籍地址：https://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12.pdf

推薦人：MentorCruise 數據科學講師

推薦語：對於想要深入瞭解理論的同學，我推薦這本書。這本書的作者和《An Introduction to Statistical Learning》相同，但這本書更加深入，可以說是該領域的「聖經」了，而且可以免費獲取。

3. 《Pattern Recognition and Machine Learning》

書籍地址：https://www.springer.com/gp/book/9780387310732?ref=mentorcruise

推薦人：斯坦福畢業生、谷歌大腦前員工 Denny Britz

推薦語：Bishop 撰寫的這本關於模式識別的書籍很經典。這本書適合研究生學習，也適合機器學習研究人員和從業者閱讀。它不是簡單的課程筆記，而是一本真正的基礎教材。

4. 《Mathematics for Machine Learning》

書籍地址：https://mml-book.github.io/

推薦人：自然語言處理和數據工程師 Stephen Gabriel

推薦語：這本書旨在鼓勵人們學習數學概念，不涉及高階的機器學習技術。這本書能夠提供閱讀其他進階書籍所必需的數學知識。

5. 《Deep Learning》

書籍地址：https://www.deeplearningbook.org/?ref=mentorcruise

推薦人：Uizard 聯合創始人、CEO Tony Beltramelli

推薦語：Goodfellow 等人撰寫的這本《深度學習》被譽爲深度學習領域的「聖經」。它由該領域先驅學者撰寫，介紹了基礎知識、高階原則和方法。

6. 《Deep Learning from Scratch》

書籍地址：https://www.oreilly.com/library/view/deep-learning-from/9781492041405/?ref=mentorcruise

推薦語：對於初入該領域的編程人員來說，機器學習和深度學習令人望而生畏。這本書用實操的方式介紹了基礎方法和實踐。

軟件和編程書籍

今天，編程是構建算法和複雜的機器學習系統的敲門磚。如果你想更快地成爲機器學習專業人士，學習編程技巧是必要的。以下書籍可以幫助你開始學習編程的旅途：

1. 《The Pragmatic Programmer》

書籍地址：https://pragprog.com/titles/tpp20/?ref=mentorcruise

推薦人：DeOldify 創造者 Jason Antic

推薦語：我認爲，軟件編程和機器學習存在很多重疊，學習軟件編程對於機器學習有很大益處。

2. 《Refactoring》

書籍地址：https://martinfowler.com/books/refactoring.html?ref=mentorcruise

推薦人：DeOldify 創造者 Jason Antic

推薦語：Martin Fowler 撰寫的這本《Refactoring》是如何安全快速地轉換代碼的指南。

3. 《R for Data Science》

書籍地址：https://r4ds.had.co.nz/?ref=mentorcruise

推薦人：Kaggle 產品經理 Meg Risdal

推薦語：Python 不是唯一的選擇！這本書旨在幫助你學習 R 語言中對於做數據科學最重要的工具。

機器學習實踐

如果 idea 只存在腦海裏，那機器學習就沒意思了。以下書籍可以幫你設計現實機器學習算法，拓寬邊界，解決你遇到的問題，構建機器學習系統。

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

書籍地址：https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/?ref=mentorcruise

推薦語：這本書由 Aurélien Géron 撰寫，既介紹了機器學習基礎知識，又涵蓋如何將基礎知識應用到現實場景。

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

書籍地址：https://www.oreilly.com/library/view/deep-learning-for/9781492045519/?ref=mentorcruise

推薦人：DeOldify 創造者 Jason Antic

推薦語：fastai 這本新書真的很棒，這就是上過 fastai 課程後你所期待的東西！

3. 《Grokking Deep Learning》

書籍地址：https://www.manning.com/books/grokking-deep-learning?ref=mentorcruise

推薦語：這本書講述瞭如何從頭開始構建深度學習神經網絡！深度學習專家 Andrew Trask 以有趣的風格展示了底層科學，你可以從中領悟神經網絡訓練過程中的每一個細節。

4. 《Natural Language Processing in Action》

書籍地址：https://www.manning.com/books/natural-language-processing-in-action?ref=mentorcruise

推薦人：自然語言處理和數據工程師 Stephen Gabriel

推薦語：這本書可以指引你，利用 Python 及其用於 NLP 和 AI 的包創建能夠理解人類語言的機器。

5. 《Deep Learning with JavaScript》

書籍地址：https://www.manning.com/books/deep-learning-with-javascript?ref=mentorcruise

推薦人：日本國立情報學研究所人文開放數據中心研究員 Tarin Clanuwat

推薦語：深度學習改變了計算機視覺、圖像處理和自然語言處理領域。在 TensorFlow.js 的幫助下，現在 JavaScript 開發者可以在不依賴 Python 或 R 的情況下構建深度學習 app。

6. 《TinyML》

書籍地址：https://www.oreilly.com/library/view/tinyml/9781492052036/?ref=mentorcruise

推薦語：機器學習以多種形態和大小存在。這本書聚焦最小的形式：嵌入式設備和微控制器。從這本書中，你可以學到如何構建能在低功率 Arduino 微處理器上運行的小型機器學習模型，而且它們的大小通常只有幾 kb。

進階

你現在已經瞭解迴歸、分類這些基礎知識了，是時候學習一些高階和專門的概念了。機器學習每天都在進化，這能否幫助 AI 系統更安全或大規模部署，以下書籍可以幫你找到答案：

1. 《Strengthening Deep Neural Networks》

書籍地址：https://www.oreilly.com/library/view/strengthening-deep-neural/9781492044949/?ref=mentorcruise

推薦人：MentorCruise 創始人 Dominic Monn

推薦語：隨着 深度神經網絡越來越多地應用在現實場景中，使用無法騙過人類的數據故意「愚弄」它們成爲一種新的攻擊方式。這本書考察了日常使用 DNN 來處理圖像、音頻和視頻數據的現實場景。

2. 《Reinforcement Learning: An Introduction》

書籍地址：https://web.stanford.edu/class/psych209/Readings/SuttonBartoIPRLBook2ndEd.pdf?ref=mentorcruise

推薦人：斯坦福畢業生、谷歌大腦前員工 Denny Britz

推薦語：Richard Sutton 寫的這本書被認爲是這個主題中最基礎也最重要的資源。強化學習快速發展成爲 AI 創新的主要部分，這本書適合工程師和科學家閱讀。

3. 《Deep RL in Action》

書籍地址：https://www.manning.com/books/deep-reinforcement-learning-in-action?ref=mentorcruise

推薦語：人類從反饋中學習，而這一強化過程可以被應用到計算機程序中，使它們解決經典編程無法解決的更復雜問題。這本書介紹了 深度強化學習領域中的基礎概念和術語。

4. 《Generative Deep Learning》

書籍地址：https://www.oreilly.com/library/view/generative-deep-learning/9781492041931/?ref=mentorcruise

推薦語：現在，教會機器比人類更好地繪畫、寫作、譜曲是有可能的。閱讀這本書後，機器學習工程師和數據科學家將發現，如何重新創建生成式深度學習模型最令人印象深刻的示例。

5. 《Federated Learning》

書籍地址：https://www.amazon.de/Federated-Learning-Synthesis-Artificial-Intelligence/dp/1681736977?ref=mentorcruise

推薦語：如何讓多個數據所有者共同訓練和使用共享預測模型，同時保證所有本地訓練數據私有呢？這本書介紹了聯邦機器學習利用結合了分佈式機器學習、密碼學和安全的新型解決方案破解該問題。

理論和歷史

知過去，方能見未來。瞭解 AI 的歷史、發展過程和早期錯誤非常重要。以下書籍可以幫你讀懂 AI 的過去。

1. 《Alan Turing: The Enigma》

書籍地址：https://www.goodreads.com/book/show/150731.Alan_Turing?ref=mentorcruise

推薦人：CompoundVC 投資人 Nicole Williams

推薦語：這本書講述了阿蘭 · 圖靈的故事。圖靈被認爲是人工智能和理論計算機科學領域最有影響力的科學家之一。

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

書籍地址：https://mitpress.mit.edu/books/second-self-twentieth-anniversary-edition?ref=mentorcruise

推薦人：CompoundVC 投資人 Nicole Williams

推薦語：這本書中，作者 Sherry Turkle 沒有把計算機看作工具，而是看作我們社交和心理生活的一部分。她探討了如何通過計算機遊戲和電子表格探索計算機對我們自我認知、彼此認知以及關係的影響。

3. 《Gödel, Escher, Bach》

書籍地址：https://www.goodreads.com/book/show/24113.G_del_Escher_Bach

推薦人：MentorCruise 創始人 Dominic Monn

推薦語：通過探索邏輯學家 Kurt Gödel、藝術家 M. C. Escher 和作曲家巴赫的生命和作品，這本書闡述了數學、對稱性和智能的基礎概念。它還探討了這對於溝通的意義、如何表示和存儲知識、符號表徵方法及其侷限性，甚至「意義」（meaning）的基本概念。

4. 《Prediction Machines》

書籍地址：https://www.amazon.com/Prediction-Machines-Economics-Artificial-Intelligence/dp/1633695670?ref=mentorcruise

推薦語：人工智能讓看似不可能的事成爲可能，奇蹟般地將機器賦予生命——讓它們駕駛汽車、交易股票，甚至教育兒童。但如何面對 AI 帶來的鉅變呢？企業應該如何制定策略，政府應該如何設計政策，人們應該如何規劃生活，來面對與我們現在所知大相徑庭的世界呢？

原文鏈接：https://mentorcruise.com/books/ml/