科技

小白必看!關於機器學習入門的5本書

點選上方關注,All in AI中國

你是否有這樣的困惑?對機器學習職業感興趣但是不知道從哪裡開始?

以下是精心策劃的5本免費電子書清單,能幫助您更好地瞭解機器學習的各個方面以及在該領域的職業生涯所需的技能。

當然,沒有什麼可以取代嚴格的正規教育,但是並非所有的機器學習職位都需要博士學位。

以下幾本免費電子書都適用於入門級的理解,但也包括各種不同的概念和材料。

1. 《機器學習簡介》( Introduction to Machine Learning)

這本書是斯坦福大學的Nils J. Nilsson在20世紀90年代中期將一些筆記整合的。這本書雖然時間比較久,但是基礎知識是不會變化太大的。當然,正如尼爾森自己所說的那樣,機器學習已經取得了許多重要的進步,但是這本書的內容涵蓋了大部分仍然被認為重要的基本材料。與過去幾十年的進步沒有太大的變化。另外,這本書中有很多關於統計學習、學習理論、分類和各種演算法的資訊,可以滿足你的不同需求。

2. 《理解機器學習:從理論到演算法》(Understanding Machine Learning: From Theory to Algorithms)

這本書由Shai Shalev-Shwartz和Shai Ben-David編寫。這本書比以前的書更新、篇幅更長,也更先進。這本書深入研究了更多演算法及其描述,併為其實用性提供了橋樑。對理論的關注應該是新手需要關注的地方,這對於真正瞭解機器學習演算法的動力具有重要意義。高階理論部分涵蓋了一些可能超出新手理解範圍的概念,可以選擇性閱讀。

3. 《貝葉斯推理和機器學習》(Bayesian Reasoning and Machine Learning)

就我所知,這篇介紹貝葉斯機器學習的文章是這個主題中最著名的文章之一,而且正好有一個免費的線上版本。明尼蘇達大學的阿林達姆·班納吉在亞馬遜的一篇評論中寫道:

貝葉斯機器學習這本書涵蓋了廣泛的概率機器學習的知識,包括離散圖形模型、馬爾可夫決策過程、潛在變數模型、高斯過程、隨機和確定性推理等,是優秀的高等本科或研究生入門課程的圖形模型。本書在闡述時使用了大量的圖表和例子,並配有豐富的軟體工具箱。需要注意的是,這個工具箱是在MATLAB中應用的,MATLAB一般來說不是預設的機器學習實現語言。然而,工具箱並不是這本書唯一的優點。這為那些對概率機器學習感興趣的人提供了一個很好的起點。

4. 《深度學習》( Deep Learning)

這是由Goodfellow、Bengio和Courville撰寫的深度學習書籍,該書在其官方網站上提供免費的最終草稿。

以下關於目標受眾的內容摘錄來自本書的網站:

《深度學習》旨在幫助學生和實踐者進入機器學習領域,特別是深度學習領域。該書的網路版現已完成,並將繼續在網上免費提供。印刷版將很快上市銷售。這些目標受眾之一是正在學習機器學習的大學生(本科生或研究生),包括那些即將開始深度學習和職業生涯的人。另一個目標受眾是沒有機器學習或統計學背景但需要獲取此背景的軟體工程師,可以令他們在產品或平臺上使用深度學習。

5. 《強化學習:簡介》(Reinforcement Learning: An Introduction)

如今,強化學習吸引著太多的人來研究。由於最近備受矚目的AlphaGo,大家大多認為其潛力在自動駕駛汽車和類似的系統方面。的確,這些都是本書第二稿正在撰寫的原因。你可以感覺到這本書在強化學習領域的重要性,因為它被簡單地稱為"薩頓和巴託"。大衛·譚(David Tan)在亞馬遜上發表的這篇評論很好地總結了這本書,並消除了人們對"這本書對我來說太複雜了嗎?"的恐懼:這本書開始用例子和直觀的介紹來定義強化學習。接下來的3章主要介紹了強化學習的3種基本方法:動態規劃法、蒙特卡羅法和時間差分法。隨後的章節建立在這些方法的基礎上,以推廣到整個解決方案和演算法的應用。這本書對於一般計算機專業的學生來說可讀性很強。可能唯一困難的是第8章,因為它涉及到一些神經網路的概念。

希望你能從免費的電子書中學到更多關於機器學習的知識。

編譯出品

Reference:科技日報

看更多!請加入我們的粉絲團

轉載請附文章網址

不可錯過的話題