2020年值得阅读的机器学习书籍

原文翻译自Machine Learning Books you should read in 2020

机器学习成为计算机科学最热门的领域之一。每个大公司要么已经应用机器学习要么考虑尽快这么做，以解决他们的问题和理解他们的数据集。这意味着是时候学习机器学习了，特别是如果你正在寻找新的计算机科学挑战。一个很好的方法就是读几本书。

入门级

如果你刚刚开始学习机器学习，一定要读一读这本书:Introduction to Machine Learning with Python （用Python介绍机器学习）是对机器学习的温和介绍。它不假设任何关于Python的知识，它介绍了机器学习的基本概念和应用，并通过示例讨论各种方法。这是我所见过的最好的入门级机器学习工程师的书。

中级

如果你已经自己完成了一堆机器学习项目，并且习惯了使用机器学习模型，下面这些书将会带你更进一步:

Python Machine Learning（Python机器学习）是一本很实用的书，里面有很多实际的代码例子。它以温和的方式开始，然后发展到机器学习和深度学习的最新进展。它很容易阅读，将吸引任何层次的人，第二版包含了GANs。

Hands-On Machine Learning with Scikit-Learn and TensorFlow（使用Scikit-Learn和TensorFlow进行机器学习）是一个很棒的中级参考。它涵盖了所有的基础知识(分类方法，降维)，然后进入神经网络和深度学习。（译者注2019年10月左右新出的第二版增加了无监督与keras的内容，第一版的深度学习部分写的比较混乱，但是第二版大为改观）

Pattern Recognition and Machine Learning（模式识别和机器学习）从统计学的视角来介绍所有的基本算法。它主要关注机器学习的理论方面，是其他更实用的书籍的好伴侣。

专家级

在专家的层面上，阅读科学论文往往比阅读书籍要好得多，因为在我们讨论的同时，知识也在不断更新。机器学习确实活在当下。然而，手头有一堆参考书目也很好，可以让你全面的了解深度学习:

Deep Learning with Python（使用Python进行深度学习）是由Keras的创建者编写的，Keras是Python中最流行的机器学习库之一。这本书的开头很温和，很实用，给出了一些你可以马上使用的代码，并提供了许多使用深度学习的有用技巧。在深度学习中，绝对要阅读。

deep learning（深度学习，传说中的花书）是深度学习算法的一个很好的参考。它不包含太多的代码，但是对于如何处理机器学习的问题有很好的见解:由深度学习的先驱编写。它几乎涵盖了所有当前使用的技术。

如果你更擅长数学，那么你会喜欢 Machine Learning: a Probabilistic Perspective （机器学习:一种概率的视角）。这是所有机器学习方法背后的数学原理。你可能不会马上读到它，但它在机器学习研究中作为参考非常有用。

等空了我把书籍整理打包上传过来。