机器学习从业者人手必备的8本书

    机器学习是一个涉及面很广的领域。多亏了互联网，可以从网上找到大量的资源，从书本到博客再到视频博客。到目前为止，《 Analytics India》杂志一直在为ML社区收集机器学习相关的学习资源。在本文中，整理了8本机器学习算法实战和应用必备的8本书，。

    （以下书籍未按特定顺序列出）

    1. Deep Learning With Python

    作者François Chollet

    本书由Keras创作者和Google AI研究人员FrançoisChollet撰写，本书通过直观的解释和实际示例来加深读者的理解。读者可以在计算机视觉，NLP和生成模型中探索具有挑战性的概念和实践项目。到读者完成阅读时，读者将具备在自己的项目中应用深度学习的知识和动手能力。

    Luca Massaron推荐这本书。

    2. Hands–On ML With Scikit–Learn, Keras and TensorFlow

     作者AurélienGéron

    这是ML社区中最受欢迎的书籍之一。作者Aurelian Geron是前Google员工，曾于2013年至2016年领导YouTube的视频分类团队，他在这本实用书中给出了具体示例，向读者介绍了如何使用可用于生产的Python框架（例如Scikit-Learn，Keras和TensorFlow）的指南。

    Kaggle GM Tri Duc推荐这本书。

    3. Advances in Financial Machine Learning 

    作者 Marcos Lopez de Prado

    本书被认为是有史以来有关金融和机器学习的最佳书籍，由马克斯·洛佩兹教授撰写，他在机器学习算法和超级计算机的帮助下开发投资策略已有20多年的经验。这本书揭开了整个领域的神秘面纱，并揭示了投资领域的前沿机器学习技术。本书循序渐进地明确了目标，使读者迅速掌握了经过充分验证的数据分析，模型研究和发现评估方法。

    卢卡·马萨隆（Luca Massaron）推荐这本书

    4. Approaching (Almost) Any Machine Learning Problem

    作者：Abhishek Thakur

    很多Kaggle Grandmaster，Abhishek Thakur期待已久的ML书最终登陆市场。正如发行前所承诺的那样，本书深入探讨了ML技术的概念。正如作者所言，这本书是为那些对机器学习和深度学习有一定理论知识，并想深入研究应用机器学习的人们而设计的。这本书没有解释算法，而是更侧重于解决机器学习和深度学习问题的方式和方法。如果读者正在寻找纯粹的基础知识，而是在寻求有关解决机器学习问题的指南，则该书不适合读者。 

    Kaggle总经理Tri Duc和Luca Massaron推荐这本书。

    5. Deep Learning for Coders with fastai and PyTorch

    作者：Jeremy Howard和Sylvain Gugger

    Fastai的Jeremy Howard和Sylvain Gugge初版新书，该书将指导读者训练计算机视觉，自然语言处理，表格数据中的模型，并探索如何将模型转换为Web应用程序。它还将使读者从头开始实现深度学习算法。

    6. Deep Learning with PyTorch

    作者：Eli Stevens，Luca Antiga和Thomas V

    PyTorch已迅速成为ML行业中最可靠的框架之一。苹果，Facebook和摩根大通等公司都使用PyTorch。在这本书中，作者向读者介绍了如何从头开始构建真实示例的方法，同时还介绍了整个深度学习管道的最佳实践。本书还包括使用PyTorch Tensor API，在Python中加载数据，监控培训以及在较大项目上可视化结果的指南。Kaggle GM Tri Duc推荐这本书

    7. Deep Reinforcement Learning Hands-On 

    作者 Maxim Maxim

    作者，Maxim Lapan是一位深度学习爱好者，他感兴趣的领域是深度强化学习的实际应用。本书提供了有关最新DL工具及其局限性的全面指南。读者可以通过Atari虚拟游戏集和诸如Connect4之类的家族收藏，来了解包括交叉熵和策略梯度在内的评估方法。作者认为，读者可以期望学习以下内容：

    · 评估RL方法，包括交叉熵，DQN，Actor-Critic，TRPO，PPO，DDPG，D4PG等

    · 使用值迭代方法击败Atari街机游戏

    · 创建读者自己的OpenAI Gym环境以培训股票交易代理商

    · 教读者的代理使用AlphaGo Zero玩Connect4

    · 探索有关主题的最新深度RL研究，包括AI驱动的聊天机器人

    8. Natural Language Processing in Action

    作者  Hobson Lane, Cole Howard, and Hannes Max Hapke

    经验丰富的NLP工程师Hobson Lane，Cole Howard和Hannes Max Hapke的作者介绍这本书，作为构建可读取和解释人类语言的机器的指南。读者可以使用现成的Python包捕获文本中的含义并做出相应的反应。该书还扩展了传统的NLP方法，包括神经网络，现代深度学习算法和生成技术。如果读者想了解如何解决现实世界中的问题（例如提取日期和名称，撰写文本以及回答自由格式的问题），则必须阅读。

往期精品内容推荐

硬核！想在简历加一项「京东NLP真实项目经历」吗？约等于大厂2年工作经验

一文回顾深度学习发展史上最重要经典模型

2020年强化学习免费新书-《不确定性决策与强化学习》pdf分享

MIT新课-《6.824分布式系统2020春》视频及ppt分享

2019年各大顶会神经关系抽取（NRE）优质论文整理分享

历史最全自然语言处理测评基准分享-数据集、基准(预训练)模型、语料库、排行榜

深度学习压缩感知（DCS）历史最全资源汇总分享

TensorRT-Tensorflow深度学习模型优化视频课程-全套资料分享

中文自然语言处理开放任务介绍、数据集、当前最佳结果分享

8月最新-《可解释机器学习-Christoph Molnar》-新书分享

《自动化机器学习：方法，系统和挑战》-最新版-免费下载