Embedded Files
Machine Learning Books
Machine Learning Books
Introduction to Machine Learning, 3rd, E. Alpaydin, MIT Press, 2014.
Machine Learning in Action. Peter Harrington, Manning Publications Co., 2012.
Machine Learning: An Algorithmic Perspective, S. Marsland, Chapman and Hall/CRC, 2009.
Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz and Shai Ben-David, Published by Cambridge University Press, 2014. (Free PDF)
本書偏重理論
Python與機器學習
今天不學機器學習，明天就被機器取代：從 Python入手+演算法，佳魁資訊，2016
機器學習使用Python：使用 scikit-learn 學習 Python 機器學習應用 (免費電子書 PDF，網頁)
Learn Python the Hard Way, 3rd Edition (免費電子書)
Python 機器學習書單，博碩，2016
TensorFlow Books
TensorFlow Books
TensorFlow+Keras 深度學習人工智慧實務應用，博碩，2017/06 (天瓏)
Building Machine Learning Projects with TensorFlow. By R. Bonnin, Packt (code), 2016. (輔大圖書館)(PDF)
深度學習快速入門—使用 TensorFlow，博碩，2017. 原文書：G. Zaccone, Getting Started with TensorFlow, Packt, 2016. (PDF)
TensorFlow Machine Learning Cookbook. By Nick McClure, Packt (code), 2017. (輔大圖書館)(PDF)
本書偏重程式實作(Python)，但是請不要把此書當作入門書，也不建議單獨購買此書，請將本書當做「進階」實戰書籍 。舉例而言，如果你不太了解卷積神經網路的輸入輸出，你會被書中許多基本概念搞暈。如果你已經看過其它的ML程式實作的書並且對書中的例子進行了實戰，那麼這本書可以給你提供更多的進階練習與實踐。
雖然書中內容和程式有一些錯別字，不過在自然語言處理等內容上，還是列舉了許多不錯的實例。
Hands-On Machine Learning with Scikit-Learn and Tensorflow: Concepts, Tools, and Techniques for Building Intelligent Systems. By Aurélien Géron, O'Reilly Media, 2017.
本書理論與實作並重，以Python程式語言為主搭配Scikit與TensorFlow。全書寫得通俗易懂，可讀性蠻高。
雖然本書有大量公式，不過作者用簡單的方式詮釋了複雜的概念。除了數學外，也有詳盡的實例和相應代碼與數學理論相呼應。
Deep Learning Books
Deep Learning Books
入門 AI 從「深度學習」開始，五本必讀的深度學習聖經書籍, 2017/05/10.
深度學習快速入門—使用 TensorFlow，博碩，2017
深度學習系列書籍，天瓏網路書店
Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms. By Nikhil Buduma, O'Reilly Media, May 2017. (TensorFlow code @GitHub)
Deep Learning. By Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press, 2016. (Free Online HTML) (輔大圖書館)(免費中文版PDF)
本書作者 Ian Goodfellow 為GAN模型的創始者，並曾在 Google Brain 和 OpenAI 工作。不少人認為這本書是深度學習領域的聖經，因為它是迄今為止唯一一本融合了前幾十年研究工作的鴻篇巨著。
本書偏重理論，書中不僅有大量的公式，同時寫得比較枯燥乾澀。除非自認數學基礎深厚，否則不建議從本書入門。本書比較適合那些經過幾年相關工作後，仍想進一步掌握深度學習的從業者。對於擁有較多專業領域知識且正準備初次踏入 AI 行業的專業程序員而言，這也是一本比較全面的指南。
Deep Learning: A Practitioner’s Approach. By Adam Gibson and Josh Patterson, O'Reilly Media, 2017.
該書主要使用 Java 的深度學習框架 DL4J。目前 AI 領域的研究大多數使用 Python 語言實現，不過隨著越來越多企業湧入機器學習領域，Java 的使用可能會逐漸增多。由於 Java 擁有龐大的生態系統，現在的大公司裡，它仍然是主要的開發工具。
本書的讀者設定是深度學習的初學者。因此，如果你已經有一些深度學習的基本知識、並想進一步深入研究如何用 Java 實現深度學習的話，請直接跳過前面的例子。但是如果你沒什麼深度學習經驗，Java 也不太熟悉的話，那麼這本書值得你細細研讀。 尤其是第 4 章「出色的深度學習架構」，提供了一個可以幫你解決現實應用中架構問題的關鍵方法 。
Deep Learning with Python. By Francois Chollet, Manning Publications, 2017/10. (Github)
本書作者Francois Chollet是 Keras 框架的構建者，目前還在出版中，預計2017年底出版。
本書內容寫得很好，極力推薦此書。作者神奇的將復雜概念簡單化(例如張量)，文中措詞巧妙，可讀性強。 即使是 AI 和深度學習中最具挑戰性的概念，他也同樣解釋的通俗易懂。書中有大量不錯的實例，大家可以在他的 Github上看看。
Report abuse