机器学习(Machine Learning)与深度学习(Deep Learning)资料 之 相关书目

以下内容摘选自：https://github.com/ty4z2008/Qix/blob/master/dl2.md

                          https://github.com/ty4z2008/Qix/blob/master/dl.md

·        《Introduction to Information Retrieval》

介绍:此书在信息检索领域家喻户晓，除提供该书的免费电子版外，还提供一个IR资源列表 ，收录了信息检索、网络信息检索、搜索引擎实现等方面相关的图书、研究中心、相关课程、子领域、会议、期刊等等，堪称全集，值得收藏

·        《NYU 2014年的深度学习课程资料》

介绍：NYU 2014年的深度学习课程资料，有视频。视频好像已经不可访问，有pdf

·        《文本上的算法》

介绍: 文中提到了最优，模型，最大熵等等理论，此外还有应用篇。推荐系统可以说是一本不错的阅读稿，关于模型还推荐一篇Generative Model 与 Discriminative Model

·        《Math Essentials inMachine Learning》

介绍:机器学习中的重要数学概念.

·        《生物医学的SPARK大数据应用》

介绍:生物医学的SPARK大数据应用.并且伯克利开源了他们的big data genomics系统ADAM，其他的内容可以关注一下官方主页.

·        《ReinforcementLearning: An Introduction》

介绍:免费电子书<强化学习介绍>,第一版(1998),第二版(2015草稿),相关课程资料,ReinforcementLearning.

• 《Social Media & Text Analytics》

介绍:NLP课程《社交媒体与文本分析》精选阅读列表.

• 《Understanding Machine Learning: From Theory to Algorithms》

介绍:耶路撒冷希伯来大学教授Shai Shalev-Shwartz和滑铁卢大学教授Shai Ben-David的新书Understanding Machine Learning: FromTheory to Algorithms,此书写的比较偏理论，适合对机器学习理论有兴趣的同学选读

• 《Book review: Fundamentals of Deep Learning》

介绍:书籍推荐,深度学习基础.源码

• 《Speech and Language Processing, 3rd Edition》

介绍:斯坦福大学免费电子书《语音和语言处理》第3版，自然语言处理概论，有关计算语言学和语音识别的知识。

• 《A Brief Introduction to Machine Learning for Engineers》

介绍:由伦敦国王学院编写的<工程师机器学习简明教程>

• 《An Introduction to Machine Learning with R》

介绍:免费书：R语言机器学习导论

• 《Convolutional Neural Networks for Visual Recognition (CS231n Spring 2017)》

介绍:斯坦福2017季CS231n深度视觉识别课程视频，网址是youtube的。

• 《A First Encounter with Machine Learning》

介绍:这是一本机器学习的电子书,作者Max Welling先生在机器学习教学上面有着丰富的经验,这本书小但精致.

• 《Click Models for Web Search》

介绍:由荷兰阿姆斯特丹大学 & 谷歌瑞士著.

• 《Free Data Science Books》

介绍:数据科学免费书分类集合

• 《The Art of Data Science》

介绍:新书(可免费下载):数据科学的艺术

• 《Pattern Recognition and Machine Learning》

介绍:模式识别与机器学习书籍推荐,本书是微软剑桥研究院大神Bishop所写，算是最为广为认知的机器学习教材之一，内容覆盖全面，难度中上，适合研究生中文版 or 备份

• 《Automatic Summarization》

介绍:这本书的作者McKeown是2013年世界首个数据科学院（位于哥伦比亚大学）主任，她亦是ACL、AAAI和ACM Fellow .

• 《Neural Networks and Deep Learning》

介绍:免费在线书《Neural Networks and Deep Learning》神经网络与深度学习。目前提供了前四章的草稿，第一章通过手写数字识别的例子介绍NN，第二章讲反向传播算法，第三章讲反向传播算法的优化，第四章讲NN为什么能拟合任意函数。大量python代码例子和交互动画，生动有趣.中文版

• 《Books to Read if You Might Be Interested in Data Science》

介绍:数据科学大咖荐书(入门).

• 《Advanced Linear Models for Data Science》

介绍:免费书:面向数据科学的高级线性模型.

• 《Deep Learning: An MIT Press Book in Preparation》

介绍:MIT出版的深度学习电子书,公开电子书

• 《Statistical Learning with Sparsity: The Lasso and Generalizations》

介绍:免费书:统计稀疏学习,作者Trevor Hastie与Rob Tibshirani都是斯坦福大学的教授,Trevor Hastie更是在统计学学习上建树很多

• 《Machine Learning: a Probabilistic Perspective》

介绍:推荐书籍:<机器学习：概率视角>,样章Undirected graphicalmodels Markov random fields.

• 《Deep learning Book》

介绍:这是一本在线的深度学习书籍,合著者有Ian Goodfellow, Yoshua Bengio 和 Aaron Courville.如果你是一位新入门的学员可以先看这本书籍Yoshua Bengio: Howcan one get started with machine learning?.中文译本

• 《UFLDL Recommended Readings》

介绍:UFLDL推荐的深度学习阅读列表.

• 《Statistical inference for data science》

介绍:在线免费书:面向数据科学的统计推断，R示例代码，很不错GitHub.

• 《Learning Deep Architectures for AI》

介绍:这本书是由YoshuaBengio撰写的教程,其内容包含了学习人工智能所使用的深度学习架构的学习资源,书中的项目已停止更新DeepLearnToolbox.

• 《Deep Learning Books》

介绍:深度学习书籍推荐(毕竟这类书比较少).

• 《probabilistic graphical models principles and techniques》

介绍:此书是斯坦福大学概率图模型大牛Daphne Koller所写，主要涉及的是贝叶斯网络和马尔科夫逻辑网络的learning和inference问题，同时又对PGM有深刻的理论解释，是学习概率图模型必看的书籍。难度中上，适合有一些ML基础的研究生.[备份地址](https://vk.com/doc168073_304660839?hash=39a33dd8aa6b141d8a&dl=b6674

·        《计算机科学中的数学》

介绍:这本书是由谷歌公司和MIT共同出品的计算机科学中的数学：[Mathematics for ComputerScience](Mathematics for Computer Science)，Eric Lehmanet al 2013 。分为5大部分：1）证明，归纳。2）结构，数论，图。3）计数，求和，生成函数。4）概率，随机行走。5）递归。等等

·        《信息时代的计算机科学理论(Foundationsof Data Science)》

介绍：信息时代的计算机科学理论,目前国内有纸质书购买，iTunes购买

·        《An Introduction to Statistical Learning withApplications in R》

介绍：这是一本斯坦福统计学著名教授TrevorHastie和Robert Tibshirani的新书，并且在2014年一月已经开课：https://class.stanford.edu/cou ...about

·        Cross-Language Information Retrieval

介绍：这是一本书籍，主要介绍的是跨语言信息检索方面的知识。理论很多

·        《Neural Networks and Deep Learning》

介绍：神经网络的免费在线书，已经写了三章了，还有对应的开源代码：https://github.com/mnielsen/ne ...rning 爱好者的福音。

·        《机器学习经典书籍》

介绍：总结了机器学习的经典书籍，包括数学基础和算法理论的书籍，可做为入门参考书单。

·        《16 Free eBooks On Machine Learning》

介绍:16本机器学习的电子书，可以下载下来在pad，手机上面任意时刻去阅读。不多我建议你看完一本再下载一本。

·        《Sibyl》

介绍：Sibyl 是一个监督式机器学习系统，用来解决预测方面的问题，比如 YouTube 的视频推荐。

·        《Deep Learning》

介绍：Yoshua Bengio,Ian Goodfellow, Aaron Courville著

 

·        《Neural Networks and Deep Learning》

介绍:在线Neural Networks and Deep Learning电子书

·        《Deep Learning:Methods and Applications》

介绍：这是一本来自微的研究员 liPeng和Dong Yu所著的关于深度学习的方法和应用的电子书

·        《图像处理，分析与机器视觉》

介绍：讲计算机视觉的四部奇书（应该叫经典吧）之一，另外三本是Hartley的《多图几何》、Gonzalez的《数字图像处理》、Rafael C.Gonzalez / Richard E.Woods 的《数字图像处理》

·        《书籍推荐:AdvancedStructured Prediction》

介绍: 由Sebastian Nowozin等人编纂MIT出版的新书《Advanced Structured Prediction》http://t.cn/RZxipKG ，汇集了结构化预测领域诸多牛文，涉及CV、NLP等领域，值得一读。网上公开的几章草稿:一,二,三,四,五

·        《Statistical foundations of machine learning》

介绍:《机器学习的统计基础》在线版，该手册希望在理论与实践之间找到平衡点，各主要内容都伴有实际例子及数据，书中的例子程序都是用R语言编写的。

·        《Learning Deep Architectures for AI》

介绍:一本学习人工智能的书籍，作者是Yoshua Bengio，相关国内报道

·        《PROBABILITY THEORY: THE LOGIC OF SCIENCE》

介绍:概率论：数理逻辑书籍

·        《机器学习入门书单》

介绍:机器学习入门书籍，具体介绍

·        《DEEP learning》

介绍: MIT的Yoshua Bengio等人讲深度学习的新书，还未定稿，线上提供Draftchapters收集反馈，超赞！强烈推荐.

·        《Freeebook: Microsoft Azure Essentials: Azure Machine Learning》

介绍:免费书:Azure ML使用精要.

·        《ABrief Overview of Deep Learning》

介绍:深度学习简明介绍,中文版.

• 《Free book:Machine Learning,Mathematics》

介绍:免费的机器学习与数学书籍,除此之外还有其他的免费编程书籍,编程语言,设计,操作系统等.

• 《Learning Deep Learning》

介绍:免费电子书"Learning Deep Learning".

• 《An Introduction to Random Forests for Beginners》

介绍:免费电子书"随机森林入门指南".

• 《Model-Based Machine Learning (Early Access)》

介绍:新书预览:模型机器学习.

• 《Regret Analysis of Stochastic and Nonstochastic Multi-armed Bandit Problems》

介绍:免费电子书多臂老虎机,此外推荐Introduction to Bandits:Algorithms and Theory.

• 《Topology Without Tears》

介绍:免费电子书:轻松掌握拓扑学,中文版.

• 《Dimension Reduction》

介绍:电子书降维方法,此外还推荐DimensionalityReduction A Short Tutorial、Matlab Toolbox for DimensionalityReduction、Unsupervised KernelDimension Reduction

• 《(Matt Might:Reading for graduate students》

介绍:犹他州大学Matt Might教授推荐的研究生阅读清单.

• 《Machine Learning Checklist》

介绍:机器学习学习清单

• 《R语言参考卡片》

介绍:R语言是机器学习的主要语言,有很多的朋友想学习R语言，但是总是忘记一些函数与关键字的含义。那么这篇文章或许能够帮助到你

• 《Intermediate R》

介绍:DataCamp中级R语言教程.

• 《Handling and Processing Strings in R》

介绍:R文本处理手册.

• 《Deep Learning in Neural Networks: An Overview》

介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以时间排序，从1940年开始讲起，到60-80年代，80-90年代，一直讲到2000年后及最近几年的进展。涵盖了deep learning里各种tricks，引用非常全面.

• LIONbook

一个意大利大学实验室出的关于机器学习和智能优化的免费的书

• 《Bengio组（蒙特利尔大学LISA组）深度学习教程》

介绍：作者是深度学习一线大牛Bengio组写的教程，算法深入显出，还有实现代码，一步步展开。

• 《学习算法的Neural Turing Machine 》

介绍：许多传统的机器学习任务都是在学习function，不过谷歌目前有开始学习算法的趋势。谷歌另外的这篇学习Python程序的Learning toExecute也有相似之处。

• 《OReilly.Learning.Spark.2015》

介绍:Ebook Learning Spark.

• 《Advanced Analytics with Spark, Early Release Edition》

介绍:Ebook Advanced Analytics with Spark,Early Release Edition.

• 《Mining of Massive Datasets》

介绍:"Miningof Massive Datasets"发布第二版,JureLeskovec, Anand Rajaraman, Jeff Ullman 新版增加Jure Leskovec作为合作作者，新增社交网络图数据挖掘、降维和大规模机器学习三章,电子版依旧免费.

• 分布式并行处理的数据

介绍：这是一本关于分布式并行处理的数据《Explorations in Parallel DistributedProcessing: A Handbook of Models, Programs, and Exercises》,作者是斯坦福的James L. McClelland。着重介绍了各种神级网络算法的分布式实现,做Distributed Deep Learning 的童鞋可以参考下

• 《Deep Learning Reading list》

介绍:深度学习阅读资源列表

• 《jmozah-Deep learning Reading List》

介绍:深度学习阅读清单

 

• 《Deep Learning 教程翻译》

介绍:是Stanford教授 Andrew Ng 的 Deep Learning 教程，国内的机器学习爱好者很热心的把这个教程翻译成了中文。如果你英语不好，可以看看这个。

• 《An Introduction to Matrix Concentration Inequalities》

介绍: Tropp把数学家用高深装逼的数学语言写的矩阵概率不等式用初等的方法写出来，是非常好的手册，领域内的paper各种证明都在用里面的结果。虽说是初等的，但还是非常的难

• 《Hands-On Data Science with R Text Mining》

介绍:主要是讲述了利用R语言进行数据挖掘

 

• 《Learning more like a human: 18 free eBooks on Machine Learning》

介绍: 18 free eBooks on Machine Learning

• 《Rise of the Machines》

介绍:CMU的统计系和计算机系知名教授Larry Wasserman 在《机器崛起》,对比了统计和机器学习的差异

• 《Neural Net in C++ Tutorial》

介绍: 神经网络C++教程,本文介绍了用可调节梯度下降和可调节动量法设计和编码经典BP神经网络，网络经过训练可以做出惊人和美妙的东西出来。此外作者博客的其他文章也很不错。

• 《Deep Learning Tutorials》

介绍:深度学习教程

• 《R Tutorial》

介绍:R语言教程,此外还推荐一个R语言教程An Introduction to R.

• 《Parallel Machine Learning with scikit-learn and IPython》

介绍:并行机器学习指南(基于scikit-learn和IPython).notebook

• 《Deep Learning for NLP - Lecture October 2015》

介绍:NilsReimers面向NLP的深度学习(Theano/Lasagne)系列教程.

• 《Semi-Supervised Learning》

介绍:半监督学习,Chapelle.篇篇都是经典,作者包括Vapnik,Bengio,Lafferty,Jordan.此外推荐Xiaojin (Jerry) Zhu编写的Introduction toSemi-Supervised Learning.

• 《Recommender Systems Handbook》

介绍:推荐系统手册.

• 《Speech and Language Processing (3rd ed. draft)》

介绍:《语音与语言处理》第三版(草稿)

• 《DeepLearning.University – An Annotated Deep Learning Bibliography | Memkite》

介绍:深度学习(分类)文献集

• 《Learning Deep Learning》

介绍:深度学习阅读列表