美亚上最受欢迎的10大神经网络书籍

 

文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。

 

 

 

转自 | 程序员书库(ID:OpenSourceTop)

 

近年来，数据科学和数据挖掘越来越热门，许多人对神经网络和深度学习十分感兴趣，该主题下的书籍也呈现出爆炸式增长，判断一本书对你是否有用的方法就是看看其他人在看什么书。

 

本文我们罗列了截止2019年3月7日亚马逊神经网络类图书中最受欢迎的10本书，希望对大家的选择有所帮助。

 

01《机器学习实战：基于Scikit-Learn和TensorFlow》

 

 

本书主要分为两个部分。第一部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握 Scikit-Learn 的常用方法；第二部分为第9章到第16章，探讨深度学习和常用框架 TensorFlow，一步一个脚印地带领读者使用 TensorFlow 搭建和训练深度神经网络，以及卷积神经网络。

 

02《Python深度学习》

 

 

本书由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔，详尽介绍了用 Python 和 Keras 进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。曾获得豆瓣满分10分的好评。

 

03《The Book of Why》

 

 

这是一本非常好的计算机科普读物，由图灵奖获得者 Judea Pearl 执笔，展示了理解因果关系如何彻底改变科学并将革新人工智能。

 

04《Python神经网络编程》

 

 

本书揭示神经网络背后的概念，并介绍如何通过 Python 实现神经网络。全书分为 3 章和两个附录。第 1 章介绍了神经网络中所用到的数学思想。第 2 章介绍使用 Python 实现神经网络，识别手写数字，并测试神经网络的性能。第 3 章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解。

 

05《终极算法》

 

 

作者指出机器学习五大学派，每个学派都有自己的主算法，能帮助人们解决特定的问题。而如果整合所有这些算法的优点，就有可能找到一种“终极算法”，该算法可以获得过去、现在和未来的所有知识，这也必将创造新的人类文明。

 

06《Python机器学习》

 

 

本书向读者介绍了机器学习和深度学习算法，并向你展示了如何将书中的实例方法运用于实际工作中，通过这本书你不仅可以了解了解数据科学，机器学习和深度学习中的关键框架，还能学会使用 TensorFlow 库掌握深度神经网络实现。

 

07《Learning From Data》

 

 

这本书是为机器学习的短期课程而设计的。它可以帮助打下一个良好的数据科学基础，书中很好地平衡了理论和实践的占比。

 

08《增强人类》

 

 

本书对人类的未来具有深刻的洞察力，鼓舞人心并且态度严谨，是你想象和创造新现实的指南。对于想要了解新方向和下一步未来的人来说，这是一本必读书籍。

 

09《Machine Learning with Python 》

 

 

本书主要介绍如何使用 Python 和 Scikit-learn 库开发成功的机器学习应用程序，通过本书，你将学到机器学习相关的重要概念和实际应用，最流行的机器学习算法的优缺点等。

 

10《MATLAB Deep Learning》

 

 

在这本书中，从机器学习基础开始，然后继续学习神经网络，深度学习，最后是卷积神经网络。全书使用 MATLAB 作为底层编程语言和工具，用于本书的示例和案例研究。

 

 

 

星标我，每天多一点智慧

 

转载于:https://www.cnblogs.com/shuzhiwuyu/p/10954846.html