Zi 字媒體

入門機器學習和人工智慧必讀的12本經典之作，附部分書籍PDF

2021/12/25

yidianzixun

機器學習給人類帶來了不可思議的力量，得益於移動互聯網和物聯網的發展，機器學習正在以前所未有的速度改變人類的生活。

如今，但凡有些名氣的科技公司都在發展機器學習和人工智慧，後來者希望藉助這個風口一舉完成逆襲，巨頭們希望在這個風口上提前卡位布局，進一步拉開與追隨者的距離。

如今，機器學習和人工智慧成為新寵，聰明人都渴望掌握一些相關的技術，以免被人工智慧的浪潮淘汰。科技狂人馬斯克在被問到自己的成功秘訣時說，讀書，不停地讀書。

讀書使人進步，那麼，對於機器學習和人工智慧領域的初學者來說，哪些書是必讀的呢？本文列出了有關機器學習和人工智慧的最佳入門書籍，不分次序。希望它們能給您打開人工智慧世界的大門。

機器學習

Programming Collective Intelligence

本書以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web上的數據和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，並得出有用的結論，通過複雜的演算法來從Web網站獲取、收集並分析用戶的數據和反饋信息，以便創造新的用戶價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯產品推薦功能）、集群數據分析（在大規模數據集中發掘相似的數據子集）、搜索引擎核心技術（爬蟲、索引、查詢引擎、PageRank演算法等）、搜索海量信息並進行分析統計得出結論的優化演算法、貝葉斯過濾技術（垃圾郵件過濾、文本過濾）、用決策樹技術實現預測和決策建模功能、社交網路的信息匹配技術、機器學習和人工智慧應用等。本書是Web開發者、架構師、應用工程師等的絕佳選擇。

Machine Learning for Hackers

Machine Learning for Hackers （中文譯名：機器學習-實用案例解析）通過實例講解機器學習演算法，用R實現的，可以一邊學習機器學習一邊學習R。這是一本實操型的書，重點放在講怎麼用R做數據挖掘，機器學習的演算法更多的是通過黑箱的方式來講，強調input,output含義，弱化機器學習演算法細節。文中基本都是通過case來講述怎麼去解決問題，並且提供了原始數據供自己分析。適合兩種人：

（1）有過機器學習的一些理論，缺少案例練習

（2）只需掌握怎麼用通用的機器學習解決問題的人，只希望知道機器學習演算法的大致思想，不想詳細學習機器學習中的演算法。

Machine Learning by Tom M Mitchell

《Machine Learning》展示了機器學習中核心的演算法和理論，並闡明了演算法的運行過程。《Machine Learning》綜合了許多的研究成果，例如統計學、人工智慧、哲學、資訊理論、生物學、認知科學、計算複雜性和控制論等，並以此來理解問題的背景、演算法和其中的隱含假定。《機器學習》可作為計算機專業大學部生、研究所教材，也可作為相關領域研究人員、教師的參考書。

免費PDF鏈接：http://personal.disco.unimib.it/Vanneschi/McGrawHill_-_Machine_Learning_-Tom_Mitchell.pdf

The Elements of Statistical Learning

《The Elements of Statistical Learning》介紹了這些領域的一些重要概念。儘管應用的是統計學方法，但強調的是概念，而不是數學。許多例子附以彩圖。《The Elements of Statistical Learning》內容廣泛，從有指導的學習（預測）到無指導的學習，應有盡有。包括神經網路、支持向量機、分類樹和提升等主題，是同類書籍中介紹得最全面的。計算和信息技術的飛速發展帶來了醫學、生物學、財經和營銷等諸多領域的海量數據。理解這些數據是一種挑戰，這導致了統計學領域新工具的發展，並延伸到諸如數據挖掘、機器學習和生物信息學等新領域。許多工具都具有共同的基礎，但常常用不同的術語來表達。

Learning from Data

這是一門機器學習（ML）的入門課程，涵蓋其基本理論、演算法及應用。機器學習是大數據及金融、醫藥、商業及科研應用的關鍵技術。機器學習使得計算系統能夠自動學習如何通過數據中提取的信息執行目標任務。機器學習現已成為當下最熱門的研究領域之一，也是加州理工學院15個不同專業的大學部生和研究所的研修課程。本課程在理論和實踐中保持平衡，並涵蓋了數學與啟髮式方法。

Pattern Recognition and Machine Learning