機器學習作為近期人工智能領域的熱點話題一直被廣大知乎討論，我也一直收到很多私信咨詢有哪些好的書籍適合自己進行閱讀學習。
機器學習專業出版社：異步社區，為大家帶來十本經典機器學習相關書籍，分別適合入門、進階到精深的三個不同階段同學閱讀，並且每本書籍都由異步社區機器學習相關編輯同學標注了適合閱讀人群：
本書適合初級和中級Python程序員、有一定Python語言基礎想要得到進階和提高的讀者閱讀。
本書共有12章，圍繞如何進行代碼優化和加快實際應用的運行速度進行詳細講解。本書主要包含以下主題：計算機內部結構的背景知識、列表和元組、字典和集合、迭代器和生成器、矩陣和矢量計算、並發、集群和工作隊列等。最后，通過一系列真實案例展現了在應用場景中需要注意的問題。
NLTK基礎教程——用NLTK和Python庫構建機器學習應用
NLTK基礎教程--用NLTK和Python庫構建機器學習應用-圖書 - 異步社區
本書適合 NLP 和機器學習領域的愛好者、對文本處理感興趣的讀者、想要快速學習NLTK的資深Python程序員以及機器學習領域的研究人員閱讀。
NLTK 庫是當前自然語言處理（NLP）領域最為流行、使用最為廣泛的庫之一, 同時Python語言也已逐漸成為主流的編程語言之一。
本書主要介紹如何通過NLTK庫與一些Python庫的結合從而實現復雜的NLP任務和機器學習應用。全書共分為10章。第1章對NLP進行了簡單介紹。第2章、第3章和第4章主要介紹一些通用的預處理技術、專屬於NLP領域的預處理技術以及命名實體識別技術等。第5章之后的內容側重於介紹如何構建一些NLP應用，涉及文本分類、數據科學和數據處理、社交媒體挖掘和大規模文本挖掘等方面。
機器學習與數據科學（基於R的統計學習方法）
機器學習與數據科學（基於R的統計學習方法）-圖書 - 異步社區
本書適合數據科學家、數據分析師、軟件開發者以及需要了解數據科學和機器學習方法的科研人員閱讀參考。
本書試圖指導讀者掌握如何完成涉及機器學習的數據科學項目。本書將為數據科學家提供一些在統計學習領域會用到的工具和技巧，涉及數據連接、數據處理、探索性數據分析、監督機器學習、非監督機器學習和模型評估。本書選用的是R統計環境，書中所有代碼示例都是用R語言編寫的，涉及眾多流行的R包和數據集。
實用機器學習
本書適合需要應用機器學習算法解決實際問題的工程技術人員閱讀，也可作為相關專業高年級本科生或研究生的入門教材或課外讀物
大數據時代為機器學習的應用提供了廣闊的空間，各行各業涉及數據分析的工作都需要使用機器學習算法。本書圍繞實際數據分析的流程展開，着重介紹數據探索、數據預處理和常用的機器學習算法模型。本書從解決實際問題的角度出發，介紹回歸算法、分類算法、推薦算法、排序算法和集成學習算法。在介紹每種機器學習算法模型時，書中不但闡述基本原理，而且討論模型的評價與選擇。為方便讀者學習各種算法，本書介紹了R語言中相應的軟件包並給出了示例程序。
本書的最大特色就是貼近工程實踐。首先，本書僅側重介紹當前工業界最常用的機器學習算法，而不追求知識內容的覆蓋面；其次，本書在介紹每類機器學習算法時，力求通俗易懂地闡述算法思想，而不追求理論的深度，讓讀者借助代碼獲得直觀的體驗。
Python機器學習實踐指南
本書適合Python 程序員、數據分析人員、對算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。
機器學習是近年來漸趨熱門的一個領域，同時Python 語言經過一段時間的發展也已逐
漸成為主流的編程語言之一。本書結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習算法來將Python 語言在數據分析方面的優勢發揮到極致。
全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩余9 章介紹了眾多與
機器學習相關的算法，包括各類分類算法、數據可視化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應用。
貝葉斯方法：概率編程與貝葉斯推斷
本書適用於機器學習、貝葉斯推斷、概率編程等相關領域的從業者和愛好者，也適合普通開發人員了解貝葉斯統計而使用。
本書基於PyMC語言以及一系列常用的Python數據分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實現方法。該方法常常可以在避免引入大量數學分析的前提下，有效地解決問題。書中使用的案例往往是工作中遇到的實際問題，有趣並且實用。作者的闡述也盡量避免冗長的數學分析，而讓讀者可以動手解決一個個的具體問題。通過對本書的學習，讀者可以對貝葉斯思維、概率編程有較為深入的了解，為將來從事機器學習、數據分析相關的工作打下基礎。
TensorFlow技術解析與實戰
本書深入淺出，理論聯系實際，實戰案例新穎，基於最新的TensorFlow 1.1版本，涵蓋TensorFlow的新特性，非常適合對深度學習和TensorFlow感興趣的讀者閱讀。
TensorFlow 是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、源代碼分析和網絡實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。基礎篇講解人工智能的入門知識，深度學習的方法，TensorFlow的基礎原理、系統架構、設計理念、編程模型、常用API、批標准化、模型的存儲與加載、隊列與線程，實現一個自定義操作，並進行TensorFlow源代碼解析，介紹卷積神經網絡（CNN）和循環神經網絡（RNN）的演化發展及其TensorFlow實現、TensorFlow的高級框架等知識；實戰篇講解如何用TensorFlow寫一個神經網絡程序並介紹TensorFlow實現各種網絡（CNN、RNN和自編碼網絡等），並對MINIST數據集進行訓練，講解TensorFlow在人臉識別、自然語言處理、圖像和語音的結合、生成式對抗網絡等方面的應用；提高篇講解TensorFlow的分布式原理、架構、模式、API，還會介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結合、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計算加速等其他特性。最后，附錄中列出一些可供參考的公開數據集，並結合作者的項目經驗介紹項目管理的一些建議。
概率編程實戰
本書既可以作為概率編程的入門讀物，也可以幫助已經有一定基礎的讀者熟悉Figaro這一概率編程利器。
★ 人工智能領域的先驅、美國加州大學伯克利分校教授Stuart Russell作序推薦！一本不可思議的Scala概率編程實戰書籍！
概率推理是不確定性條件下做出決策的重要方法，在許多領域都已經得到了廣泛的應用。概率編程充分結合了概率推理模型和現代計算機編程語言，使這一方法的實施更加簡便，現已在許多領域（包括炙手可熱的機器學習）中嶄露頭角，各種概率編程系統也如雨后春筍般出現。
本書的作者Avi Pfeffer正是主流概率編程系統Figaro的首席開發者，他以詳盡的實例、清晰易懂的解說引領讀者進入這一過去令人望而生畏的領域。通讀本書，可以發現概率編程並非“瘋狂科學家”們的專利，無需艱深的數學知識，就可以構思出解決許多實際問題的概率模型，進而利用現代概率編程系統的強大功能解題。
Python機器學習——預測分析核心算法
Python機器學習--預測分析核心算法-圖書 - 異步社區
本書主要針對想提高機器學習技能的Python 開發人員，幫助他們解決某一特定的項目或是提升相關的技能。
在學習和研究機器學習的時候，面臨令人眼花繚亂的算法，機器學習新手往往會不知所措。本書從算法和Python 語言實現的角度，幫助讀者認識機器學習。 書專注於兩類核心的“算法族”，即懲罰線性回歸和集成方法，並通過代碼實例來展示所討論的算法的使用原則。全書共分為7 章，詳細討論了預測模型的兩類核心算法、預測模型的構建、懲罰線性回歸和集成方法的具體應用和實現。
機器學習項目開發實戰
本書適合對機器學習感興趣的.NET開發人員閱讀，也適合其他讀者作為機器學習的入門參考書。
本書通過一系列有趣的實例，由淺入深地介紹了機器學習這一炙手可熱的新領域，並且詳細介紹了適合機器學習開發的Microsoft F#語言和函數式編程，引領讀者深入了解機器學習的基本概念、核心思想和常用算法。書中的例子既通俗易懂，同時又十分實用，可以作為許多開發問題的起點。通過對本書的閱讀，讀者無須接觸枯燥的數學知識，便可快速上手，為日后的開發工作打下堅實的基礎。
PDF下載
描二維碼關注微信公眾號，點擊學習資料，獲取下載地址。
任何關於算法、編程、AI行業知識或博客內容的問題，可以隨時掃碼關注公眾號「圖靈的貓」，加入”學習小組“，沙雕博主在線答疑~此外，公眾號內還有更多AI、算法、編程和大數據知識分享，以及免費的SSR節點和學習資料。其他平台（知乎/B站）也是同名「圖靈的貓」，不要迷路哦~
