精选10本机器学习畅销书,玩转机器学习

2018年是AI的年代，2019不出意外应该同样是AI的年代。2018年中国AI岗缺口1万多，2019年这个缺口可能会更大。要想在AI的年代大鹏展翅，就得玩转机器学习。这里为大家精选了10本机器学习畅销书，希望能够对大家有所帮助。

1.《机器学习实战：基于Scikit-Learn和TensorFlow》

作者：[法]奥雷利安·杰龙

出版时间：2018年8月

美国亚马逊“人工智能”图书畅销榜首图书！

通过具体的例子、非常少的理论和两个成熟的Python框架——Scikit-learn和 TensorFlow，帮助你直观地理解与掌握构建智能系统的概念和工具。

你将学习一系列技术，从简单的线性回归到深度神经网络等。每章的习题帮助你运用学到的知识，你所需要的只是一点编程经验，仅此而已。

通过本书你将学习：

探索机器学习的全景图，特别是神经网络。

使用Scikit-Learn来端到端地建立一个机器学习项目的示例。

探索多种训练模型，包括支持向量机、决策树、随机森林和集成方法。

使用TensorFlow库建立和训练神经网络。

深入神经网络架构，包括卷积网络、递归网络和深度强化学习。

学习训练和伸缩深度神经网络的技巧。

应用可以工作的代码示例，而无须过多的机器学习理论或算法细节。

2. 《分布式机器学习：算法、理论与实践》

作者：刘铁岩，陈薇，王太峰，高飞

出版时间：2018年10月

微软亚洲研究院机器学习核心团队潜心力作！鄂维南院士、周志华教授倾心撰写推荐序！

人工智能和大数据时代，分布式机器学习解决了大量最具挑战性的问题，《分布式机器学习：算法、理论与实践》全面分析了分布式机器学习的现状，深入分析其中核心问题，讨论该领域的未来发展方向。

3. 《TensorFlow学习指南：深度学习系统构建详解》

作者：[以] 汤姆·奥普

出版时间：2018年6月

面向广泛的技术受众（从数据科学家、工程师到学生和研究人员），本书介绍了TensorFlow的基本原理和实践方法。

从TensorFlow中的一些基本示例开始，深入探讨诸如神经网络体系结构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题。

阅读本书，你将习得如何使用TensorFlow构建和部署工业级深度学习系统。 

通过阅读本书，你将：

轻松愉快地安装并运行TensorFlow。

学习如何使用TensorFlow从头开始构建深度学习模型。

训练流行的计算机视觉和NLP深度学习模型。

使用抽象库来使开发更容易和更快速。

学习如何扩展TensorFlow并使用集群分布式训练模型。

在生产环境中部署TensorFlow。

4. 《利用Python进行数据分析（原书第2版）》

作者：[美] 韦斯·麦金尼（Wes McKinney）

出版时间：2018年8月

Python数据分析经典畅销书全新升级！基于Python3.6。

本书主要内容：

全部代码更新

更新到Python3.6版本（第1版中使用的是Python2.7）

更新了Python第三方发布版Anaconda和其他所需Python包的安装指引

更新pandas库到2017年新版

新增关于更多高级pandas工具和一些使用提示

新增statsmodels和scikit-learn的简明使用介绍

新增大量案例

5. 《基于深度学习的自然语言处理》

作者：约阿夫·戈尔德贝格（Yoav Goldberg）

出版时间：2018年5月

将深度学习技术应用于自然语言处理的实用指南。

由哈尔滨工业大学NLP核心团队倾心推荐并翻译。

本书系统阐述将深度学习技术应用于自然语言处理的方法和技术，深入浅出地介绍了深度学习的基本知识及各种常用的网络结构，并重点介绍了如何使用这些技术处理自然语言。

6. 《Python机器学习（原书第2版）》

作者：塞巴斯蒂安·拉施卡，瓦希德·米

出版时间：2018年12月

本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。书中讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。

在本书第1版的基础上，作者对第2版进行了大量更新和扩展，纳入最近的开源技术，包括scikit-learn、Keras和TensorFlow，提供了使用Python构建高效的机器学习与深度学习应用的必要知识与技术。

通过阅读本书，你将学到：

探索并理解数据科学、机器学习与深度学习的主要框架

通过机器学习模型与神经网络对你的数据提出新的疑问

在机器学习中使用最近Python开源库的强大功能

掌握如何使用TensorFlow库来实现深度神经网络

在可访问的Web应用中嵌入你的机器学习模型

使用回归分析预测连续目标的结果

使用聚类发现数据中的隐藏模式与结构

使用深度学习技术分析图片

使用情感分析深入研究文本与社交媒体数据

7. 《Python深度学习：基于TensorFlow》

作者：吴茂贵，王冬，李涛，杨本法

出版时间：2018年10月

Python是目前人工智能领域普遍使用的基础性技术和工具，TensorFlow是当下主流的深度学习框架，本书基于Python和TensorFlow，从理论到实践，是一本全栈式的深度学习指南，书中基础和理论讲解全面，原理和拓展分析深入，应用和实践也极具实战性，是多位人工智能和大数据领域的专家多年经验的结晶。

8. 《Python数据科学：技术详解与商业实践》

作者：常国珍，赵仁乾

出版时间：2018年7月

这是一本以Python为工具，以商业实战为导向的数据科学家养成手册，从技术、业务、商业实战3个维度为有志成为数据科学家的读者提供了系统化的学习路径。

3位作者是数据科学和金融领域的资深专家，不仅技术精湛、经验丰富，而且在本书的写作上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展现，尽可能降低读者的理解难度；其次，本书不是一本教科书或案例集，而是针对数据科学家的能力模型提供系统化的解决方案。

9. 《统计机器学习导论》

作者：[日] 杉山将

出版时间：2018年5月

本书对机器学习的关键知识点进行了全面讲解，帮助读者顺利完成从理论到实践的过渡。书中首先介绍用于描述机器学习算法的统计与概率的知识，接着详细分析机器学习技术的两类主要方法——生成方法和判别方法，深入研究了如何使机器学习算法在实际应用中发挥更大的作用。

本书提供程序源代码，便于读者进行数据分析实践。本书适合高等院校计算机、统计等专业的研究生和高年级本科生阅读，同时也适合相关领域的技术人员参考。

10. 《深度学习之TensorFlow：入门、原理与进阶实战》

作者：李金洪

出版时间：2018年2月

磁云科技创始人/京东终身荣誉技术顾问李大学推荐。创客总部/创客共赢基金合伙人李建军推荐。

一线研发工程师以14年开发经验的视角全面解析TensorFlow应用，涵盖数值、语音、语义、图像等多个领域96个有较高应用价值的深度学习案例。赠送12套同步配套教学视频 + 113套源代码文件（带配套样本）。

内容全面，应用性强，从有监督学习到半监督学习，从简单的数据分类到语音、语言和图像分类乃至样本生成等一系列前沿技术，均有介绍。语言通俗易懂，拒绝生僻的术语，拒绝生僻的公式符号，落地性强。

穿插了几十个需要读者注意的知识要点和难点，分享作者积累的宝贵经验。