研究人员挑选了他们最喜欢的ML书籍

在MentorCruise，我们都致力于最大限度地利用他人的经验。作为其中的一部分，我们联系并询问了数十位机器学习领域的专家和专业人士，询问他们最喜欢的书--以下是答案。

理解机器学习的概念从理解基本原理开始。在你明天的路上，了解某些概念是如何衍生出来的，以及为什么事情是这样运作的，这一点对你来说至关重要。从这些资源开始是实现这一目标的最佳方式。

ISL是一本基本的书，在本科生和研究生中很受欢迎，因为它解释概念的清晰性和简单性。理解这本书所需的数学知识保持在最低限度，使其格式独一无二。

对于想要深入研究理论的学生，我通常推荐ESL，这本书出自与“统计学习导论”相同的作者，但要深入得多。这本书在某种程度上是该地区的圣经，可以免费获得。

毕晓普关于模式识别的书是机器学习的经典教科书和主要内容。它不仅面向研究生，也面向研究人员和实践者，这不是一门简单的课程，但却是一本真正的基础课程。

我们写了一本关于机器学习数学的书，激励人们学习数学概念。这本书并不打算涵盖先进的机器学习技术，因为已经有很多书在做这方面的工作。相反，我们的目标是提供阅读其他书籍所需的数学技能。

经常吹捧“深度学习圣经”，古德费罗等人的“深度学习”一书。艾尔。是一本令人难以置信的对基本原理和方法的介绍，这些原理和方法通常是由太空先驱们从头开始解释的。

特别是对于进入这个领域的程序员来说，机器学习和深度学习似乎令人望而生畏。这本书采取实用的方法向读者介绍基本的方法和实践。

至少在今天，代码是我们构建算法和复杂机器学习系统的大门。如果你想投资更快地成为一名更熟练的机器学习专业人士，那么投资于代码技能就是实现这一目标的途径。这就是你可以开始的地方。

在我看来，软件工程和ML有很多重叠之处，关注前者对后者有很多好处。

Martin Fowler的Refactoring这本书是关于如何用安全和快速的过程转换代码的指南，这对于保持代码的廉价和易于修改以满足未来的需要至关重要。

Python不是唯一的选择！“R for Data Science”的目标是帮助您学习R中最重要的工具，这些工具将使您能够从事数据科学工作。

如果想法只存在于你的脑海中，那么机器学习就毫无乐趣可言。这些书帮助你设计现实生活中的机器学习算法，帮助你突破极限，处理你遇到的任何问题，并设计出运行正常的机器学习系统。

“动手机器学习”这本书是Aurélien Géron写的一本令人惊叹的书，带你从机器学习的基础知识到将它们应用到现实世界的场景，所有这些都在一本书中。

我不得不说，到目前为止，法泰的新书真的很不错。正是您根据课程所期望的！"；

摸索深度学习教你从头开始构建深度学习神经网络！经验丰富的深度学习专家安德鲁·特拉斯克(Andrew Trask)以他迷人的风格向你展示了引擎盖下的科学，所以你可以自己摸索训练神经网络的每一个细节。

行动中的自然语言处理是使用Python的功能创建理解人类语言的机器的指南，其中包含专门用于NLP和AI的软件包生态系统。

深度学习改变了计算机视觉、图像处理和自然语言应用领域。多亏了TensorFlow.js，JavaScript开发人员现在可以构建深度学习应用程序，而不需要依赖Python或R。

机器学习有多种形式和大小。TinyML的书专注于最小的一个：嵌入式设备和微控制器。在这本书中，你将学习如何建立在低功耗的Arduino微控制器上工作的微型机器学习模型，并且通常只占用几千字节的大小。

您已经掌握了您的回归和分类，是时候继续学习一些高级和专业的概念了。机器学习每天都在发展，无论它是关于让人工智能系统更安全还是大规模部署它们，这些书都可以帮助您掌握它。

随着深度神经网络在现实世界的应用中变得越来越普遍，故意用不会欺骗人类的数据愚弄它们的可能性带来了新的攻击载体。这本实用的书研究了现实世界的场景，在这些场景中，DNN--许多人工智能固有的算法--每天都被用来处理图像、音频和视频数据。

理查德·萨顿(Richard Sutton)关于机器学习的书被普遍认为是这一问题上最基本和最重要的著作之一。强化学习正在迅速成为人工智能创新的主要部分，也是任何工程师和科学家都要经历的一本好书。

人类从反馈中学得最多--我们被鼓励采取行动，带来积极的结果，而对负面后果的决定则望而却步。这种加固过程可以应用于计算机程序，使它们能够解决经典编程无法解决的更复杂的问题。行动中的深度强化学习向您传授深度强化学习的基本概念和术语。

现在有可能教会一台机器在绘画、写作和作曲等人类工作上出类拔萃。有了这本实用的书，机器学习工程师和数据科学家将发现如何重新创建一些最令人印象深刻的生成性深度学习模型的例子。

如何允许多个数据所有者协作训练和使用共享预测模型，同时保持所有本地训练数据的私密性？在这本书中，我们描述了联合机器学习如何用结合了分布式机器学习、密码学和安全性的新颖解决方案来解决这个问题。

虽然不是专门针对建立和应用机器学习算法的技能，但了解人工智能开发的历史、发展以及最重要的早期错误无疑与开拓前进道路同样重要。这些都是最值得一试的作品。

“谜”讲述了英国著名数学家、早期计算机科学家艾伦·图灵的生平故事，他生于20世纪初，死于20世纪初。如今，他被认为是人工智能和理论计算机科学领域最具影响力的科学家之一。

在“第二个自我”中，雪莉·特克尔不把电脑视为一种工具，而是将其视为我们社会和心理生活的一部分；她超越了我们如何使用电脑游戏和电子表格来探索电脑如何影响我们对自己、对彼此以及对我们与世界的关系的认识。

通过探索逻辑学家库尔特·哥德尔、艺术家M·C·埃舍尔和作曲家约翰·塞巴斯蒂安·巴赫的生活和作品中的共同主题，这本书阐述了数学、对称和智力的基本概念。它还讨论了交流意味着什么，知识如何被表示和存储，符号表示的方法和限制，甚至意义本身的基本概念。

人工智能完成了看似不可能的事情，神奇地将机器赋予了生命--驾驶汽车、交易股票和教育儿童。但面对人工智能将带来的巨大变化，可能会让人陷入瘫痪。在一个与我们所知的世界如此不同的世界里，公司应该如何制定战略，政府应该如何设计政策，人们应该如何规划自己的生活呢？

在我们的一位专家导师的帮助下，我们已经帮助1000多名学员实现了职业生涯的飞跃，并在机器学习、数据科学和人工智能领域发现了新的角色。