Solutions Review審查了許多機(jī)器學(xué)習(xí)書籍岔擂，根據(jù)相關(guān)性位喂，流行度，評分乱灵，發(fā)布日期以及增加業(yè)務(wù)價值的能力塑崖，精心挑選了頂級機(jī)器學(xué)習(xí)書籍。 列出的每本書至少有15個亞馬遜用戶評論阔蛉，評分為4.0或更高弃舒。
您將在下面找到該領(lǐng)域公認(rèn)的領(lǐng)導(dǎo)者，專家和技術(shù)專業(yè)人員的圖書庫状原。 從數(shù)據(jù)科學(xué)到神經(jīng)網(wǎng)絡(luò)，這些出版物甚至可以提供最終端的數(shù)據(jù)和分析專業(yè)人員苗踪。
個人建議優(yōu)先考慮github星級1000以上的書颠区。
Python深度學(xué)習(xí) Deep Learning with Python Fran?ois Chollet - 2018.pdf -- 強(qiáng)烈推薦
Python深度學(xué)習(xí) - 2018.pdf
- 源碼 github星級 5000左右
- 頁數(shù)：386
Deep Learning with Python使用Python語言和強(qiáng)大的Keras庫引入深度學(xué)習(xí)。 本書由Keras作者通铲，Google AI研究員Fran?oisChollet撰寫毕莱，通過直觀的解釋和實(shí)際例子幫助您的理解，涉及計算機(jī)視覺颅夺，自然語言處理和生成模型朋截。
中文版(文字版)可以在qq群144081101等找到。
機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于Scikit-Learn和TensorFlow Hands-On Machine Learning with Scikit-Learn and TensorFlow - 2017.pdf
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn和TensorFlow - 2018.pdf
通過使用具體的例子吧黄，最小的理論和兩個可用于生產(chǎn)的Python框架 - scikit-learn和TensorFlow部服，作者AurélienGéron幫助您直觀地理解構(gòu)建智能系統(tǒng)的概念和工具。 您將學(xué)習(xí)一系列技術(shù)拗慨，從簡單的線性回歸開始廓八，逐步深入到神經(jīng)網(wǎng)絡(luò)奉芦。 通過每一章的練習(xí)來幫助您應(yīng)用所學(xué)的知識，有編程經(jīng)驗(yàn)就能上手剧蹂。
- 源碼地址 github星級 10000左右
- 頁數(shù)： 564
Machine Learning For Absolute Beginners, 2nd Edition-Oliver Theobald(2017).pdf
Machine Learning for Absolute Beginners Second Edition為完全初學(xué)者編寫和設(shè)計的声功。簡單的英語解釋，無需編碼經(jīng)驗(yàn)宠叼。 在引入核心算法的地方先巴，添加了清晰的解釋和可視化示例，以便在家中輕松實(shí)現(xiàn)冒冬。新版本包含了第一版中未涉及的許多主題伸蚯，包括交叉驗(yàn)證，數(shù)據(jù)清理和集合建模窄驹。
- 源碼地址：后期找到補(bǔ)上 github星級
- 頁數(shù)： 128
深度學(xué)習(xí)(deep learning) - 2017.pdf
提供了數(shù)學(xué)和概念背景朝卒，涵蓋了線性代數(shù)，概率論和信息論乐埠，數(shù)值計算和機(jī)器學(xué)習(xí)中的相關(guān)概念抗斤。 它描述了工業(yè)從業(yè)者使用的深度學(xué)習(xí)技術(shù)，包括深度前饋網(wǎng)絡(luò)丈咐，正則化瑞眼，優(yōu)化算法，卷積網(wǎng)絡(luò)棵逊，序列建模和實(shí)用方法; 分析了自然語言處理伤疙，語音識別，計算機(jī)視覺和在線推薦系統(tǒng)等應(yīng)用辆影。
- 源碼地址：暫無 github星級 20000左右
- 頁數(shù)： 738 中文書 本書沒有英文電子版本徒像，但是有中文的
Python機(jī)器學(xué)習(xí)基礎(chǔ)教程 - 2018.pdf
Introduction to Machine Learning with Python - 2017.pdf
如果您使用Python，即使是初學(xué)者蛙讥，本書也將用務(wù)實(shí)的方法教您構(gòu)建自己的機(jī)器學(xué)習(xí)解決方案锯蛀。 您將學(xué)習(xí)使用Python和scikit-learn庫創(chuàng)建成功的機(jī)器學(xué)習(xí)。 作者AndreasMüller和Sarah Guido專注于使用機(jī)器學(xué)習(xí)算法的應(yīng)用次慢，而不是背后的數(shù)學(xué)旁涤。 熟悉NumPy和matplotlib庫將幫助您從本書中獲得更多信息。
- 源碼 github星級 3000左右
- 頁數(shù)： 392
使用TensorFlow進(jìn)行機(jī)器學(xué)習(xí)
Machine Learning with TensorFlow - 2017.pdf
使用TensorFlow進(jìn)行機(jī)器學(xué)習(xí)為讀者提供了機(jī)器學(xué)習(xí)概念的堅實(shí)基礎(chǔ)迫像，以及使用Python編寫TensorFlow的實(shí)踐經(jīng)驗(yàn)劈愚。 您將通過使用經(jīng)典預(yù)測，分類和聚類算法來學(xué)習(xí)基礎(chǔ)知識闻妓。 然后菌羽，您將進(jìn)入金錢章節(jié)：探索深度學(xué)習(xí)概念，如自動編碼器纷闺，循環(huán)神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)算凿。 摘要本書赦邻，您將準(zhǔn)備好使用TensorFlow進(jìn)行自己的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)應(yīng)用已卸⊥砬辏“
- 源碼 github星級 4000左右
- 頁數(shù)： 244
Deep Learning with Keras - 2017.pdf
本書首先介紹了監(jiān)督學(xué)習(xí)算法家凯，如簡單線性回歸，經(jīng)典多層感知器和更復(fù)雜的深度卷積網(wǎng)絡(luò)署鸡。您還將探索圖像處理案糙，識別手寫數(shù)字圖像，將圖像分類為不同類別靴庆，以及使用相關(guān)圖像注釋進(jìn)行高級對象識別时捌。還提供了用于面部檢測的突出點(diǎn)的識別的示例。接下來炉抒，您將了解Recurrent Networks奢讨，它針對處理序列數(shù)據(jù)（如文本，音頻或時間序列）進(jìn)行了優(yōu)化焰薄。接下來拿诸，您將學(xué)習(xí)無監(jiān)督學(xué)習(xí)算法，如自動編碼器和非常流行的生成對抗網(wǎng)絡(luò)（GAN）塞茅。您還將探索神經(jīng)網(wǎng)絡(luò)的非傳統(tǒng)用途的樣式轉(zhuǎn)移亩码。
最后，您將了解強(qiáng)化學(xué)習(xí)及其在人工智能游戲中的應(yīng)用野瘦，這是神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用的另一個流行方向描沟。
- 源碼 github星級 500左右
- 頁數(shù)： 310
Machine Learning: The Ultimite Beginners Guide For Neural Networks, Algorithms, Random Forests and Decision Trees Made Simple
當(dāng)今世界機(jī)器學(xué)習(xí)的用途是巨大的，并且不斷擴(kuò)大鞭光。 該技術(shù)有望徹底改變?nèi)藗兠刻炫c機(jī)器交互的方式吏廉。 了解這些程序和流程的功能如何幫助您了解這項(xiàng)新技術(shù)。 如果您不熟悉機(jī)器學(xué)習(xí)惰许，您會驚訝地發(fā)現(xiàn)除了語音識別等廣為人知的方面之外迟蜜，還可以使用多種方式。 這本書可以成為你邁向更大世界的第一步啡省。
Advances in Financial Machine Learning - 2018.pdf
讀者將學(xué)習(xí)如何以適合ML算法的方式構(gòu)建大數(shù)據(jù); 如何利用ML算法對該數(shù)據(jù)進(jìn)行研究; 如何使用超級計算方法; 如何測試發(fā)現(xiàn)問題，同時避免誤報髓霞。 本書解決了從業(yè)者每天面臨的現(xiàn)實(shí)問題卦睹，并通過代碼和示例支持使用數(shù)學(xué)解釋科學(xué)合理的解決方案。 讀者可以在特定環(huán)境中測試建議的解決方案方库。
- 頁數(shù)： 393
TensorFlow學(xué)習(xí)指南:深度學(xué)習(xí)系統(tǒng)構(gòu)建詳解
本書主要介紹如何使用 TensorFlow 框架進(jìn)行深度學(xué)習(xí)系統(tǒng)的構(gòu)建结序。從基礎(chǔ)知識入手，將使用TensorFlow 的各種方式貫穿于整本書的講解之中纵潦，并結(jié)合實(shí)際的深度學(xué)習(xí)任務(wù)展示終深度學(xué)習(xí)系統(tǒng)的效果徐鹤。本書涉及卷積神經(jīng)網(wǎng)絡(luò)垃环、循環(huán)神經(jīng)網(wǎng)絡(luò)等核心的技術(shù)，并介紹了用于圖像數(shù)據(jù)和文本序列數(shù)據(jù)的模型返敬。在后半部分遂庄，本書介紹了更加高級的使用 TensorFlow 的技巧，并給出了分布式深度學(xué)習(xí)系統(tǒng)在TensorFlow 下的構(gòu)建過程以及如何將訓(xùn)練后的模型導(dǎo)出和部署的方法劲赠。通過學(xué)習(xí)本書涛目，你將能夠使用 TensorFlow 完成從簡單到高級應(yīng)用系統(tǒng)構(gòu)建的技術(shù)。
本書適合計算機(jī)相關(guān)專業(yè)的學(xué)生凛澎、軟件工程師霹肝、深度學(xué)習(xí)開發(fā)者、架構(gòu)師塑煎、CTO 等技術(shù)人員閱讀
- 源碼 github星級 200左右
- 頁數(shù)：242
Learning TensorFlow - 2017.pdf
The Elements of Statistical Learning 2nd - 2015.pdf
本書在共同的概念框架中描述了醫(yī)學(xué)沫换，生物學(xué)，金融學(xué)和市場營銷等各個領(lǐng)域的重要思想最铁。 重點(diǎn)是概念而不是數(shù)學(xué)讯赏。 通過自由使用彩色圖形給出了許多例子。 新版本新增圖形模型炭晒，隨機(jī)森林待逞，集合方法，套索的最小角度回歸和路徑算法网严，非負(fù)矩陣因子分解和譜聚類等识樱。
- 頁數(shù)：758
Python Machine Learning(2nd) - 2017.pdf
本書提供了創(chuàng)建和促進(jìn)機(jī)器學(xué)習(xí)所需的實(shí)用知識和技術(shù)， 深度學(xué)習(xí)和現(xiàn)代數(shù)據(jù)分析震束。
- 源碼 github星級 200左右
- 頁數(shù)：850
Fundamentals of Machine Learning for Predictive Data Analytics - 2015.pdf
這本入門教材提供了對預(yù)測數(shù)據(jù)分析中最重要的機(jī)器學(xué)習(xí)方法的詳細(xì)和集中處理怜庸，涵蓋了理論概念和實(shí)際應(yīng)用。 本書通過作者多年的機(jī)器學(xué)習(xí)教學(xué)和預(yù)測數(shù)據(jù)分析項(xiàng)目的研究垢村，適合計算機(jī)科學(xué)割疾，工程，數(shù)學(xué)或統(tǒng)計學(xué)的本科生使用; 應(yīng)用于預(yù)測數(shù)據(jù)分析的學(xué)科研究生; 并作為專業(yè)人士的參考嘉栓。
- 頁數(shù)：599
Make Your Own Neural Network - 2016.pdf
Make Your Own Neural Network - 2016.pdf
本書首先從簡單的思路著手宏榕，詳細(xì)介紹了理解神經(jīng)網(wǎng)絡(luò)如何工作所必須的基礎(chǔ)知識。第一部分介紹基本的思路侵佃，包括神經(jīng)網(wǎng)絡(luò)底層的數(shù)學(xué)知識麻昼，第2部分是實(shí)踐，介紹了學(xué)習(xí)Python編程的流行和輕松的方法馋辈，從而逐漸使用該語言構(gòu)建神經(jīng)網(wǎng)絡(luò)抚芦，以能夠識別人類手寫的字母，特別是讓其像專家所開發(fā)的網(wǎng)絡(luò)那樣地工作。第3部分是擴(kuò)展叉抡，介紹如何將神經(jīng)網(wǎng)絡(luò)的性能提升到工業(yè)應(yīng)用的層級尔崔，甚至讓其在Raspberry Pi上工作。
- 源碼 github星級 900左右
- 頁數(shù)：222
OReilly Thoughtful Machine Learning with Python A Test-Driven Approach - 2017.pdf
通過教您如何使用測試驅(qū)動的方法對機(jī)器學(xué)習(xí)算法進(jìn)行編碼褥民，這本實(shí)用的書籍可以幫助您獲得在商業(yè)環(huán)境中有效使用機(jī)器學(xué)習(xí)所需的信心季春。 您將學(xué)習(xí)如何使用各種測試在粒度級別剖析算法，并發(fā)現(xiàn)用于測試機(jī)器學(xué)習(xí)代碼的框架轴捎。 作者提供了真實(shí)的示例來演示有效使用機(jī)器學(xué)習(xí)代碼的結(jié)果鹤盒。基于sklearn侦副。
- 源碼 github星級 200多
- 頁數(shù)：216
Python機(jī)器學(xué)習(xí)實(shí)踐-測試驅(qū)動的開發(fā)方法 - 2018.pdf
深度學(xué)習(xí)基礎(chǔ)
《深度學(xué)習(xí)基礎(chǔ)(影印版)(英文)》內(nèi)容簡介：Google侦锯、微軟和Facebook等公司正在積極發(fā)展內(nèi)部的深度學(xué)習(xí)團(tuán)隊。對于我們而言秦驯，深度學(xué)習(xí)仍然是一門非常復(fù)雜和難以掌握的課題尺碰。如果你熟悉Python，并且具有微積分背景译隘，以及對于機(jī)器學(xué)習(xí)的基本理解亲桥，《深度學(xué)習(xí)基礎(chǔ)(影印版)(英文)》將幫助你開啟深度學(xué)習(xí)之旅
Fundamentals of Deep Learning - 2017.pdf
- 源碼 github星級 500左右
- 頁數(shù)：298
TensorFlow for Deep Learning - 2018.pdf
通過TensorFlow學(xué)習(xí)如何解決具有挑戰(zhàn)性的機(jī)器學(xué)習(xí)問題，TensorFlow是Google革命性的深度學(xué)習(xí)新軟件庫固耘。 如果你有基本線性代數(shù)和微積分的背景知識题篷，這本實(shí)用的書介紹了如何設(shè)計能夠檢測圖像中的對象，理解文本厅目，分析視頻和預(yù)測潛在藥物特性的系統(tǒng)的機(jī)器學(xué)習(xí)基礎(chǔ)知識番枚。
TensorFlow for Deep Learning通過實(shí)際示例教授概念，并幫助您從頭開始構(gòu)建深度學(xué)習(xí)基礎(chǔ)知識损敷。 它非常適合具有設(shè)計軟件系統(tǒng)經(jīng)驗(yàn)的開發(fā)人員葫笼，對熟悉腳本的科學(xué)家和其他專業(yè)人員非常有用，但不一定非常適合設(shè)計學(xué)習(xí)算法拗馒。
- 源碼 github星級 200左右
- 頁數(shù)：301
Deep Learning for Beginners Concepts, Techniques and Tools - 2017.pdf
Neural Networks and Deep Learning.pdf
一本通俗解釋深度學(xué)習(xí)的書路星，簡單地說，你的奶奶都可以在本書的幫助下理解深度學(xué)習(xí)诱桂！
神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)：讓你逐步了解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識洋丐，對于那些想要了解這個主題但不一定想深入了解所有數(shù)學(xué)背景的人來說，這本書是一本很棒的書挥等。
因此垫挨，在簡要介紹機(jī)器學(xué)習(xí)之后，你將學(xué)習(xí)有監(jiān)督學(xué)習(xí)和無監(jiān)督的學(xué)習(xí)触菜，然后研究諸如神經(jīng)元、激活函數(shù)和不同類型的網(wǎng)絡(luò)體系結(jié)構(gòu)等哀峻。
最后涡相，你將學(xué)習(xí)深度學(xué)習(xí)的實(shí)際工作原理哲泊，深度神經(jīng)網(wǎng)絡(luò)的主要類型（包括卷積神經(jīng)網(wǎng)絡(luò)），如何給神經(jīng)網(wǎng)絡(luò)提供記憶催蝗，還討論了可用的各種框架和庫切威。
參考資料
- 討論qq群144081101 591302926 567351477 釘釘免費(fèi)群21745728
- 本文相關(guān)書籍下載
- Top 25 Best Machine Learning Books You Should Read
- 本文最新版本地址
Python機(jī)器學(xué)習(xí)經(jīng)典實(shí)例
Python Machine Learning Cookbook(2016).pdf
在如今這個處處以數(shù)據(jù)驅(qū)動的世界中，機(jī)器學(xué)習(xí)正變得越來越大眾化丙号。它已經(jīng)被廣泛地應(yīng)用于不同領(lǐng)域先朦，如搜索引擎、機(jī)器人犬缨、無人駕駛汽車等喳魏。本書首先通過實(shí)用的案例介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識，然后介紹一些稍微復(fù)雜的機(jī)器學(xué)習(xí)算法怀薛，例如支持向量機(jī)刺彩、極-端隨機(jī)森林、隱馬爾可夫模型枝恋、條件隨機(jī)場创倔、深度神經(jīng)網(wǎng)絡(luò)，等等焚碌。 本書是為想用機(jī)器學(xué)習(xí)算法開發(fā)應(yīng)用程序的Python 程序員準(zhǔn)備的畦攘。它適合Python 初學(xué)者閱讀，不過熟悉Python 編程方法對體驗(yàn)示例代碼大有裨益
- 源碼 github星級 200左右
- 頁數(shù)：295 另有中文電子版本 因?yàn)榘鏅?quán)已經(jīng)在CSDN等網(wǎng)站下架十电，可以在qq群144081101等找到知押。
Python Machine Learning(2nd) - 2017.pdf
- 源碼 github星級 100多
- 頁數(shù)：850
Artificial Intelligence for Robotics - 2018.pdf
https://github.com/PacktPublishing/Artificial-Intelligence-for-Robotics github星級 不到100
頁數(shù) 485
