自学python要看哪些书籍-学习机器学习应该看哪些书籍？

我也给一个自己的路线图。

首先为了打好自己的数学基础。其中重点涉及到三门学科：微积分（数学分析）、线性代数（高等代数）、概率论与数理统计（概率统计与随机过程）。

数学基础

其中，微积分里的多元微积分是推导一些重要公式的理论基础，如反向传播公式。学好多元微积分也能更好地理解神经网络模型的优化过程。

线性代数是理解矩阵运算的基础。数据挖掘算法里的非负矩阵分解、奇异值分解，以及神经网络里的矩阵运算，都需要一定的线性代数知识。

概率论与数理统计是最为重要的一门数学课。目前使用最广泛的交叉熵损失函数，源于统计中的极大似然估计；概率论中的贝叶斯公式衍生出了贝叶斯学派；正态分布及其性质影响了VAE等模型的构建；大数定律则是很多主观实验的理论依据之一。

为了理解一些数据结构和算法，离散数学是不可以少的。

编程基础

为了落实机器学习理论，快速尝试我们的想法，以及学习community中的新算法，有两门语言需要进行学习。

第一门是Python。目前Python已经成为了机器学习界最通用的编程语言，特点是学习起来简单，第三方库灵活，便于快速实现自己的想法。根据我本科期间带微软学生俱乐部的经验，下面这本书是新手接触Python的最佳教材：

Python在工程上的提高可以看这本书。这本书提到了一些Python的高级特性和技巧。

Python在工程上面的代码规范可以看下面的文档：https://zh-google-styleguide.readthedocs.io/en/latest/google-python-styleguide/python_style_rules/​zh-google-styleguide.readthedocs.io

第二门是C++。C++在少数情况下能帮助你完成机器学习工作，但是C++是计算机科学体系中的重要一环。研究算法、数据结构、操作系统、体系结构、编译原理等课程时，都需要用到这门语言作为人机交互接口。

如果没有学习过C/C++，推荐从下面这本书开始。

不推荐轮子哥的那本《C++ Primer》。就个人体验而言，这本书会更加新人友好一些。

计算机科学课程

一般来说，机器学习相关的书籍不会涉及基本计算机概念，因为他们默认你已经懂了。我推荐还是了解一下下面的课程：

第一门是数据结构与算法。这门课程可以帮助你理解基本的数据结构，以便在合适的时候选择。如果你以后接触非线性结构的数据，如图或者树的数据，那么这将会在很大程度上帮助你。

机器学习理论

和激进的部分答主不大一样，我推荐机器学习理论书籍还是总体遵循由浅入深，不追求一步到位。

首先是传统机器学习算法和一些机器学习思想。在很多领域的研究中，传统算法仍然得到关注，比如k-means聚类，奇异值分解，主成分分析（PCA），非负矩阵分解（用于信号处理）；以及一些概率模型理论，如隐马尔科夫模型（HMM），混合高斯模型（GMM），相关算法，如Gibbs采样。上面这些算法我都在计算机音乐研究中打过交道。

推荐下面这本经典书籍，目前出到第二版，好评满满：

当然，周志华的西瓜书也是很经典的。但是要提醒一句，这本西瓜书是教材，并且内容跨度很大，并不适合新手自学。

深度学习的理论，只推荐一本书：《深度学习》，也就是花书。这本书和中文翻译是开源的，GitHub地址为：https://github.com/exacity/deeplearningbook-chinese​github.com

实体书略贵，不建议买：

机器学习代码

机器学习模型一般会使用sklearn库。当然，Python很多di三方库都大有用处，但是都没有sklearn这么被广泛地应用。

利用sklearn库，使用Python编写机器学习代码，这本书最为合适：

不是O'Reilly的动物书，就是这一本。

而深度学习代码，目前学术界更多地是在用PyTorch。不建议使用keras和TensorFlow，主要原因是API混乱。PyTorch作为主流深度学习框架，功能强大，API统一，代码风格简明。不建议使用任何实体书进行学习，请直接阅读PyTorch提供的tutorial。

当然，你可以参考GitHub上大神提供的示例项目。https://pytorch.org/tutorials/​pytorch.org

……然后就足够了。

用PyTorch搭模型实际上有一套通用的范式，大同小异，并不需要很多笔墨。

更进一步的学习

如果你的目标是奋战在一线，那么书籍是没有办法满足你的。你需要和学术界的各个有趣的思想发生碰撞，这样才能诞生出真正有趣的idea。

从科研的角度来说，要注意三点：看文献的顺序最好是，从综述和tutorial看起，自顶向下地看各个领域，最后细分到子领域，阅读领域的顶会论文。直接一上来读论文会使得你的知识缺少体系概念。

各个领域有自己的Python库，如NLP的nltk库，计算机音乐的librosa，pretty-midi库，都有对应的document去阅读。

如果不知道代码如何开始，不如去阅读顶会论文提供的开源代码吧。